一項新研究表明，密歇根大學新開發的人工智能係統可以分析大腦 MRI 掃描並在幾秒鐘內提供診斷。該模型以 97.5% 的準確度識別神經系統疾病，並能夠評估患者需要醫療護理的程度。
研究人員表示，這項首創技術有可能重塑美國醫療保健系統中腦成像的處理方式。研究結果發表於 生物醫學自然工程。
“隨著全球對 MRI 的需求增加，給我們的醫生和醫療保健系統帶來很大壓力，我們的人工智能模型有潛力通過快速、準確的信息改善診斷和治療，從而減輕負擔，”主要作者、密歇根大學健康分校神經外科醫生、密歇根大學醫學院神經外科助理教授 Todd Hollon 醫學博士說。
測試 Prima AI 系統
霍倫將這項新技術命名為 Prima。在一年的時間裡，他的研究團隊使用 30,000 多次 MRI 掃描評估了該系統。
在涉及主要神經系統疾病的 50 種不同放射學診斷中，Prima 提供了比其他先進 AI 模型更強的診斷性能。除了識別疾病之外，該系統還能夠確定需要更高優先級的病例。
某些神經系統疾病，包括中風和腦出血，需要立即就醫。 Hollon 表示，在這些情況下，Prima 可以自動提醒醫療保健提供者，以便他們能夠迅速採取行動。
該系統旨在通知最合適的專科醫生，例如中風神經科醫生或神經外科醫生。當患者完成圖像時將提供反饋。
“讀取腦部 MRI 數據時，準確性至關重要，但快速時間對於及時診斷和改善結果至關重要，”合著者、密歇根大學計算機科學與工程博士後 Yiwei Lyu 博士說。
“在該過程的關鍵步驟中，我們的結果表明 Prima 如何在不犧牲準確性的情況下改進工作流程並簡化臨床護理。”
什麼是高級版？
Prima 被歸類為視覺語言模型（VLM），一種可以實時處理圖像、視頻和文本的人工智能。雖然人工智能之前已應用於 MRI 分析，但研究人員表示 Prima 有不同的方法。
早期的模型通常是在精心挑選的 MRI 數據子集上進行訓練的，旨在執行狹窄的任務，例如識別病變或估計癡呆風險。 Prima 在更大的數據集上進行了訓練。
霍倫的團隊使用了密歇根大學健康中心放射學記錄數字化以來收集的所有可用的核磁共振成像。其中包括超過 200,000 次 MRI 掃描和 560 萬個圖像序列。該模型還包括患者的臨床病史以及醫生安排每項影像學檢查的原因。
Hollon 機器學習神經外科實驗室的數據科學家、合著者 Samir Harake 表示：“Prima 就像放射科醫生一樣，通過整合患者的病史信息和影像數據來全面了解他們的健康狀況。”
“這使得在廣泛的預測任務中能夠獲得更好的性能。”
解決 MRI 延遲和放射學短缺問題
每年，全世界都會進行數百萬次 MRI 掃描，其中許多集中於神經系統疾病。研究人員表示，對這些測試的需求增長速度快於神經放射學服務的可用性。
這種不平衡導致了人員短缺、診斷延誤和錯誤。根據患者接受掃描的地點，結果可能需要幾天或更長時間才能返回。
“無論您是在數量不斷增加的大型衛生系統中還是在資源有限的鄉村醫院中接受掃描，都需要創新技術來改善獲得放射學服務的機會，”密歇根大學健康中心放射科作者兼主任 Vikas Gulani 醫學博士說。
“我們密歇根大學的團隊合作開發了一種針對這個問題的尖端解決方案，該解決方案具有巨大且可擴展的潛力。”
人工智能在醫學影像領域的未來
儘管 Prima 表現出色，但研究人員強調，這項工作仍處於評估階段。未來的研究將側重於整合更詳細的患者信息和電子病歷數據，以進一步提高診斷準確性。
這種方法反映了放射科醫生和醫生在真實臨床環境中如何解釋 MRI 和其他成像研究。儘管人工智能已經應用於醫療保健領域，但大多數現有系統僅限於精確定義的任務。
Hollon 將 Prima 描述為“用於醫學成像的 ChatGPT”，並指出類似的技術最終可能適用於其他類型的成像，包括乳房 X 光檢查、乳房 X 射線和超聲波。
“就像人工智能工具可以幫助你寫電子郵件或提出建議一樣，Prima 的目標是成為解釋醫學影像研究的副駕駛，”霍倫說。
“我們相信 Prima 代表了整合醫療系統和人工智能驅動模型的變革潛力，通過創新改善醫療保健。”
其他作者： Asadur Chowdury, MS, Soumyanil Banerjee, MS, Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, MD, Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi, MD, Volker Neuschokdor MD, Ashfer MD, Dawn K, Dawn MD, Brian Athey, Ph.D., Aditya Pandey 醫學博士和 Honglak Lee 博士均來自密歇根大學。
資金/披露： 這項工作得到了美國國立衛生研究院國家神經疾病和中風研究所 (K12NS080223) 的部分支持。
內容完全由作者負責，並不一定代表 NIH 的官方觀點。
這項工作還得到了陳·扎克伯格倡議 (CZI)、弗蘭克爾心臟和大腦健康研究所、馬克·特勞納大腦研究基金、Zenkel 家族基金會、伊恩之友基金會和密歇根大學精準健康調查員獎資助計劃的支持。
