一种新型AI模型可以帮助放射科医生识别包括中风、多发性硬化症和脑肿瘤在内的各种疾病的MRI扫描中的脑部异常。
这项由伦敦国王学院（King's College London）研究人员领导并在《放射学：人工智能》（Radiology: Artificial Intelligence）上发表的研究表明，AI可以解决由于放射科医生短缺以及十多年来MRI需求逐年增加而导致的诊断积压问题。
这些积压可能导致治疗延迟和患者预后不佳，因为MRI扫描对于诊断和监测包括肿瘤、中风和动脉瘤在内的各种脑部疾病至关重要。
AI可以通过分诊扫描和提高报告速度来缓解放射科部门的压力。
为此，该模型首先被要求区分"正常"和"异常"扫描，与专家放射科医生的评估相比，它能够准确做到这一点。
随后，该模型在特定条件下进行了测试——使用未包含在训练数据中的新MRI扫描——例如中风、多发性硬化症和脑肿瘤，并能够准确识别这些情况。
目前大多数AI模型都是使用由专家放射科医生手动标记的大型数据集构建的——这些数据集的制作既昂贵又耗时。为了解决这个问题，研究团队构建了一个AI模型，该模型可以利用60000多个现有脑部MRI扫描及其相应的放射学报告进行自我训练，无需专家放射科医生的参与。
"通过在扫描和放射科医生用来描述它们的语言上训练系统，我们可以教会它理解异常的外观。"
托马斯·布斯博士（Dr. Thomas Booth），本研究的高级作者，伦敦国王学院（King's College London）神经影像学读者，伦敦国王学院医院（King's College Hospital）顾问神经放射科医生
研究人员还设计了该模型，使其在给定扫描或"神经胶质瘤"（glioma，一种脑肿瘤）等文本查询时，能够搜索并检索类似病例，从而可能支持诊断审查或教学。
研究表明，该模型可以在扫描时使用，标记异常扫描并通过向放射科医生提供建议、检测报告中的潜在错误或从以往检查中检索类似病例来支持临床决策。这将加快诊断速度，减少报告延迟，有助于改善患者预后。
布斯评论说："下一步是在英国进行一项随机多中心试验，以了解异常检测如何在实践中改善工作流程。我们很高兴地表示，该试验将于2026年在医院启动。"
【全文结束】
