一种新型人工智能模型有望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类脑部MRI扫描异常。
这项由伦敦国王学院研究人员主导、发表于《放射学人工智能》期刊的研究表明，人工智能技术可有效应对放射科医生短缺导致的积压问题。近十余年来，MRI检查需求持续增长，而专业人员不足正造成诊断延误，可能影响患者预后——毕竟MRI扫描对脑肿瘤、中风和动脉瘤等疾病的诊断与监测至关重要。
该AI模型通过双重机制缓解放射科部门压力：既能对扫描进行分诊，又能提升报告速度。研究人员首先要求模型区分"正常"与"异常"扫描，其结果与专家放射科医生的评估准确度相当；随后在未参与训练的新MRI数据集上测试特定疾病（如中风、多发性硬化症和脑肿瘤），模型依然能精准识别。
当前多数AI模型依赖放射科专家手动标注的海量数据集，成本高昂且耗时。为突破此限制，研究团队创新性地构建了自训练模型：同步利用60000余份现有脑部MRI扫描及其放射科报告进行训练，完全无需专家干预。伦敦国王学院神经影像学高级讲师、国王学院医院顾问神经放射科医生托马斯·布斯博士解释道："通过让系统学习扫描图像与放射科医生描述语言的关联，我们教会它识别异常特征。"
该模型还具备智能检索功能——当输入"胶质瘤"等脑肿瘤名称时，系统可自动匹配历史相似病例，为诊断复核或教学提供支持。研究显示，该技术可在扫描过程中实时标记异常图像：辅助临床决策、提示放射科医生潜在发现、检测报告错误或调取过往相似案例，从而加速诊断流程、减少报告延误并改善患者结局。
布斯博士表示："下一步将在英国开展多中心随机对照试验，验证异常检测技术在实际工作流中的效果。我们很高兴这项试验将于2026年在多家医院启动。"
【全文结束】
