罗切斯特理工学院（RIT）的研究人员开发了新的人工智能技术，从标准的生物医学数据中提取和可视化信息，为临床医生提供了更好的疾病诊断和治疗方法。这些新技术还可以改善图像引导的疗法，包括手术，并减少侵入性程序。
“未来医学的关键不在于获取更多的数据，而在于拥有有效的工具来利用这些数据，这就是生物医学计算发挥关键作用的地方，”RIT凯特·格里森工程学院生物医学工程教授克里斯蒂安·林特说。“成像占生物医学数据的大部分，已经将诊断和介入医学从基于医生经验的主观、感知技能转变为由大规模、异质数据驱动的客观科学。”
计算机集成诊断和治疗是一个新兴领域，致力于提高疾病的检测和治疗效果。林特和他的研究团队成员，包括成像科学博士生比帕沙·昆杜、比杜尔·卡纳尔、子欣·杨、纳库尔·普德尔和理查德·西蒙，在多篇论文中详细介绍了这项工作，其中包括2025年4月的SPIE医学成像2025会议论文集。
生物医学可视化已经从解剖图发展成为辅助诊断、规划治疗方案和监测治疗的标准工具。在生物医学数据可视化之前，原始的生物医学成像数据需要进行处理。将人工智能（AI）整合到医学图像分析中已经取得了显著进展，但仍然存在一些挑战，林特说。
AI模型依赖于大量专家标注的数据进行训练，这需要时间和临床医生的专业知识来整理数据。用户之间的差异也对准确的AI算法开发构成了重大障碍。用于训练AI模型的测试数据的内部操作和相关性也不太清楚，使得预测难以解释。
“许多基于物理的生物医学模型受到其计算成本的限制，这构成了临床应用的主要障碍，限制了它们作为治疗规划或监测的交互式模拟工具的使用，”林特说。“另一方面，AI技术可以从大量的患者特定数据中学习，因此将数据科学与基于物理的模型结合起来，有可能产生更准确且计算效率更高的模拟。”
林特实验室的研究人员有效地结合了生物医学成像、计算、建模和可视化，用于计算机集成诊断和治疗。他们为开发和验证稳健的AI计算成像信息学工具做出了贡献，以推进计算机集成诊断和介入数据科学，涵盖广泛的疾病、器官系统和微创治疗应用。
“我们认为，有效利用生物医学信息学开发多功能的生物医学计算和可视化工具，将带来更准确和及时的疾病诊断以及更少侵入性的治疗方法。这些工具将为计算机辅助诊断和治疗的进步奠定基础，影响更广泛的患者群体，”林特说，他具有机械和生物医学工程以及成像科学的背景。他在RIT工程学院和切斯特·F·卡尔森中心任教，特别是在生物力学和生物医学热流体领域进行研究，涉及生物医学成像、计算和可视化的交叉领域。
林特的生物医学成像、建模、可视化和图像引导导航实验室的研究得到了美国国立卫生研究院（NIH）和美国国家科学基金会（NSF）的资助。其研究重点仍然是生物医学人工智能工具，用于诊断和干预数据科学。最近，他获得了NIH近240万美元的五年期竞争性续签研究资助，用于支持创新、培训和指导实验室中的研究生和本科生，其中许多人已经在著名的国家实验室、医院和研究机构中任职。
“培养和培训高素质的学生，让他们加入未来的生物医学和学术劳动力队伍，是我们作为学者和科学家职业生涯中最大的影响之一，看到他们成功我们感到非常高兴，”林特说。
(全文结束)
