从阿尔茨海默病到脑肿瘤 一个覆盖脑部MRI任务的AI模型
哈佛医学院研究人员开发了一种名为BrainIAC的通用AI模型,该模型通过学习32,000多例未标记的脑部磁共振成像扫描数据掌握了大脑解剖结构基础,随后仅需每类别1至5个训练样本即可适应新医疗任务。BrainIAC在预测癌症患者生存率、检测肿瘤基因突变和早期发现痴呆等七项不同挑战中表现优异,这些任务单靠医生通过影像难以或无法完成。该突破性方法解决了医学AI领域标记数据稀缺的核心难题,特别适用于儿童脑癌等罕见疾病,当患者数量有限时能显著降低AI工具开发门槛,为医疗资源有限地区提供新可能,同时通过关注海马体等关键脑区验证了模型学习的医学意义,标志着脑部影像分析从"每次重建轮子"向基础模型范式的重大转变。

