人工智能（AI）在分析大量医学影像数据集并识别可能被人类观察者忽略的模式方面显示出巨大的潜力。AI辅助的脑部扫描解读可能有助于改善患有胶质瘤的儿童的护理，这些肿瘤通常可以通过手术治愈，但其复发的风险各不相同。来自马萨诸塞州总医院布里格姆和波士顿儿童医院以及达纳-法伯/波士顿儿童癌症和血液疾病中心的研究人员训练了深度学习算法，以分析术后连续的脑部扫描，并标记出有复发风险的患者。他们的研究结果发表在《新英格兰医学杂志AI》上。
“许多儿童胶质瘤可以通过手术单独治愈，但当复发时，后果可能是毁灭性的。很难预测哪些患者可能有复发的风险，因此患者需要在多年内频繁进行磁共振成像随访，这对儿童和家庭来说是一个压力大且负担重的过程。我们需要更好的工具来早期识别出高复发风险的患者。”
——本杰明·坎恩博士，马萨诸塞州总医院布里格姆人工智能医学项目和布莱根妇女医院放射肿瘤科的通讯作者
对于相对罕见的疾病，如儿童癌症的研究，常常受到数据有限的挑战。这项部分由美国国立卫生研究院资助的研究利用了全国各地机构的合作，收集了715名儿科患者的近4,000张磁共振扫描图像。为了最大限度地提高AI从患者的脑部扫描中“学习”的能力，并更准确地预测复发，研究人员采用了一种称为时间学习的技术，该技术训练模型从术后几个月内的多次脑部扫描中综合发现。
通常情况下，用于医学影像的AI模型是训练成从单次扫描中得出结论；而时间学习技术此前尚未用于医学影像AI研究，它通过一段时间内获取的图像来告知算法对癌症复发的预测。为了开发时间学习模型，研究人员首先训练模型按时间顺序排列患者的术后磁共振扫描图像，以便模型能够学会识别细微变化。然后，研究人员微调模型，使其正确地将变化与随后的癌症复发相关联。
最终，研究人员发现，时间学习模型能够在治疗后一年内预测低级别或高级别胶质瘤的复发，准确率达到75-89%——这明显优于基于单次图像的预测，后者大约只有50%的准确率（与随机猜测无异）。向AI提供更多的治疗后时间点的图像可以提高模型的预测准确性，但只需要四到六张图像就能达到这一改进的平台期。
研究人员提醒说，在临床应用之前，还需要在其他环境中进一步验证。最终，他们希望启动临床试验，看看AI支持的风险预测能否带来护理上的改进——无论是通过减少最低风险患者的成像频率，还是通过预先使用靶向辅助疗法治疗高风险患者。
“我们已经证明，AI能够有效地分析和预测多张图像，而不仅仅是单次扫描，”马萨诸塞州总医院布里格姆人工智能医学项目和布莱根妇女医院放射肿瘤科的第一作者迪文山·塔克说道。“这种技术可以在许多患者接受序列、纵向成像的情况下应用，我们非常期待看到这个项目将带来的灵感。”
来源：
马萨诸塞州总医院
期刊参考：
Tak, D., 等 (2025) 通过时间深度学习进行儿童胶质瘤的纵向风险预测。《NEJM AI》。doi.org/10.1056/AIoa2400703。
(全文结束)
