一项全新的人工智能系统或将帮助医生更快、更准确地发现严重的脑部问题。
这项由伦敦国王学院研究人员开发的技术，旨在解读脑部磁共振成像（MRI）扫描结果，识别与中风、多发性硬化症、脑肿瘤及多种其他疾病相关的异常情况。相关发现已发表在《放射学人工智能》期刊上，正值全球医院面临MRI结果等待名单过长的困境。
磁共振成像扫描是医生诊断脑部问题的重要工具之一，可帮助识别中风、动脉瘤、肿瘤、感染以及神经损伤类疾病。然而，过去十余年间MRI扫描需求年年增长，而专业放射科医生数量却未能同步增加。这种供需失衡导致许多医院出现诊断积压，延误治疗进程。对于中风等争分夺秒的急症而言，此类延误可能危及生命。
为解决该问题，研究团队构建了能自动判读MRI扫描结果的AI模型，可判定影像属于"正常"或"异常"。初步测试显示，该系统表现与专业放射科医生相当，能准确识别扫描中是否存在异常信号。
研究人员进一步用该AI分析训练过程中从未见过的特定疾病扫描影像——如中风、脑肿瘤和多发性硬化症——结果证明AI仍能正确识别这些问题，展现出良好的新案例泛化能力。
构建医疗影像AI的最大挑战之一在于需要数千份经专家标注的扫描影像。人工标注过程缓慢昂贵，且会使放射科医生脱离临床工作。为此，研究团队开发了具备自学习能力的AI模型：研究人员未采用人工标注图像，而是利用6万余份现有脑部MRI扫描影像及其原始放射科报告进行训练。
通过学习放射科医生对每份扫描的描述，AI掌握了无需专家逐张标注即可识别异常的方法。该研究 senior author、伦敦国王学院医院神经放射科医生托马斯·布斯博士解释道，系统通过关联影像与描述性语言实现学习。由于放射科报告详细说明了异常特征，AI能将这些描述与MRI影像特征匹配，从而建立对健康与病变大脑的认知模型。
研究团队还为系统增设了特殊功能：可根据输入的扫描影像或关键词检索相似案例。例如，当医生输入"胶质瘤"（一种脑肿瘤）时，AI能从训练数据中调取既往胶质瘤案例。这有助于医生比对影像、复查类似病例，或用于医学生教学，同时可辅助放射科医生复核存疑发现。
研究表明，该AI系统未来有望在患者进行MRI扫描时同步运行，即时标记异常扫描结果，加速医生响应速度。它还能辅助发现错误、突出关键病灶、缩短报告撰写时间，从而提升患者护理质量，尤其利于急症处理。
不过研究人员强调，AI并非旨在取代放射科医生，而是通过加速工作流程、减少错误来支持医生。下一步重大进展将在真实医院环境中测试该系统。布斯博士宣布，英国将于2026年启动大规模随机对照试验，评估AI在繁忙临床环境中的实际效能。
总体而言，该研究展现出巨大潜力。AI模型无需人工标注训练数据即可识别多种脑部异常，这是一项重大突破。它有望缩短MRI结果等待时间，确保严重问题及早发现。但仍有关键问题待解：需深入研究模型在日常医疗中的准确性、跨医院患者的适用性，以及医生与AI如何安全协作。
若这些问题得到妥善解决，该技术或将成为改善医疗保健的重要工具。
【全文结束】
