Cerebra - 交互式AI代理用于痴呆风险评估
多学科AI委员会用于痴呆风险评估
通过AI副驾驶赋能临床决策，将碎片化的多模态数据提炼为统一共识。
论文 | 代码 | 演示
影响与规模
前所未有的规模与精度
在数百万真实世界患者记录中评估CEREBRA，以提供最先进的临床性能。
300万+ 患者 —— 分析来自多个美国医疗系统的真实世界老年人口。
3.69亿 电子健康记录记录 —— 整合了结构化记录、临床笔记和影像中的海量纵向健康数据。
10万+ 高保真队列 —— 具有完整多模态记录的患者，用于严格基准测试。
智能体 —— 多模态AI —— 专业智能体在电子健康记录、临床笔记和3D医学影像（MRI/OCT）中协作。
+17.5% 临床医生准确率 —— CEREBRA显著提升临床医生的痴呆风险评估能力。
0.86 痴呆诊断AUROC —— 在多个医院系统中表现出优越的诊断性能。
0.80 三年风险预测AUROC —— 在临床诊断前数年准确预测痴呆风险。
0.81 生存建模C-Index —— 与GPT-4o和GPT-5相比，在痴呆发生时间预测上具有强一致性。
框架
CEREBRA架构
一个交互式、基于证据的AI系统，通过协调的智能体在复杂数据模态中检索、分析和综合信息，组织临床推理。
- 动态检索 —— 根据临床医生通过仪表板提出的查询，数据智能体自动识别并检索患者碎片化健康记录中相关的时间窗口和模态。
- 编排 —— 中央超级智能体将诊断任务分解为具体目标，并分配给专门、模态特定的推理智能体。
- 模态分析 —— 电子健康记录、笔记和影像智能体独立处理数据，验证模型，并生成带有结构化证据的中间概率估计。
- 多智能体综合 —— 超级智能体汇总这些输出。临床医生通过透明仪表板交互，仪表板突出显示最终分析所依据的精确临床片段和视觉证据。
研究重点
早期风险预测 —— 通过分析纵向健康数据，CEREBRA在临床发病前数年实现了高度准确的早期预测。我们的模型基于真实世界人群训练，确保随时间推移的泛化性和可靠性。通过稳健的生存建模，我们能够为临床医生提供痴呆发生时间预测的强一致性，优于标准基线模型。
痴呆诊断 —— CEREBRA作为专家临床助手，分析复杂患者档案，协助进行准确及时的痴呆诊断。在多个医院系统的严格验证中，该智能体展现了最先进的诊断性能。当与临床医生配合使用时，CEREBRA显著提升了临床风险评估的准确性。
多模态融合与缺失模态鲁棒性 —— 医疗数据固有混乱且不完整。CEREBRA利用先进的多模态融合架构，优雅地处理缺失数据类型而不会失败。无论是评估包含3D医学影像（MRI/OCT）的完整档案，还是仅基于稀疏的结构化临床笔记，智能体都能适应并保持稳健的预测性能。对缺失临床数据流的弹性适应。
通过反馈与可解释逻辑进行优化 —— 信任在临床AI中至关重要。CEREBRA具有专门的智能体，不仅协作形成评估，还明确暴露其底层推理过程。通过交互式反馈循环，临床医生可以质疑智能体的逻辑。界面允许用户审查从临床笔记和影像标志物中提取的确切证据，这些证据导致了最终评估，从而促进人机协作诊断过程。完全可解释的智能体逻辑。
临床研究
临床医生借助CEREBRA做出更优决策
一项对照研究表明，CEREBRA显著提升了诊断准确性、信心和临床医生满意度。
临床医生表现
准确率 +17.5%
无CEREBRA: 0.658 | CEREBRA: 0.833
灵敏度 +29.8%
无CEREBRA: 0.580 | CEREBRA: 0.878
特异性 +5.2%
无CEREBRA: 0.735 | CEREBRA: 0.787
预测信心
CEREBRA: 高信心40.6% | 中等43.8% | 低15.6%
无CEREBRA: 高信心16% | 中等43% | 低41%
临床医生调查结果
风险因素准确性：大部分准确58.3%，部分35.4%，不准确6.3%
风险因素相关性：高度相关67.7%，部分30.2%，不相关2.1%
帮助理解风险：同意69.8%，中立27.1%，不同意3.1%
证据准确性：准确62.5%，部分33.3%，不准确4.2%
证据一致性：是61.5%，部分32.3%，否6.3%
使决策更容易：同意71.9%，中立25.0%，不同意3.1%
基准测试
严格验证，卓越性能
临床性能 —— 诊断与纵向风险估计任务的比较
诊断 AUROC
CEREBRA: 86.2 | GPT-4o: 70.1 | GPT-5: 68.5 | MedGemma: 54.8
三年风险估计 AUROC
CEREBRA: 80.1 | GPT-5: 67.6 | GPT-4o: 66.0 | MedGemma: 55.8
进展预测 C-Index
CEREBRA: 81.2 | GPT-4o: 62.4 | GPT-5: 59.1 | MedGemma: 51.5
平台演示
交互式仪表板
CEREBRA将痴呆风险建模从静态预测扩展到交互式决策支持范式。我们的统一仪表板整合了异构数据，以实现信息丰富、高效且透明的临床评估。仪表板展示总体痴呆风险轨迹以及各模态特定的风险因素。对于每种模态，CEREBRA会揭示支持各种医疗任务的代表性特征和临床片段，使临床医生能够直接检查模型结论背后的证据。
启动演示仪表板
CEREBRA背后的团队
一个由AI研究人员、软件工程师和临床专家组成的多学科团队，致力于改变认知健康护理。
AI与工程组
Sheng Liu (斯坦福大学)
Long Chen (纽约大学)
Zeyun Zhao (佛罗里达大学)
Qinglin Gou (印第安纳大学)
Qingyue Wei (斯坦福大学)
Lei Xing (斯坦福大学)
Eric Topol (斯克里普斯研究转化研究所)
Jiang Bian (Regenstrief研究所)
Kyunghyun Cho (纽约大学)
Yu Huang (印第安纳大学)
Ruogu Fang (佛罗里达大学)
Narges Razavian (纽约大学)
James Zou (斯坦福大学)
临床组
Arjun Masurkar (纽约大学)
Kevin M Spiegler (纽约大学)
Philip Kuball (纽约大学)
Stefania C Bray (佛罗里达大学)
Megan Bernath (印第安纳大学)
Deanna R Willis (印第安纳大学)
【全文结束】