下一代脑部扫描技术优化MRI工作流程解决积压问题 助力放射科医生加速治疗
神经放射学领域的AI突破 极大加快了诊断速度，帮助放射科医生精准分类中风、肿瘤及血管病变（动脉瘤） 等不同病症。
新型AI脑部扫描技术通过海量MRI数据自我训练，使医生能优先处理紧急病例进行诊断和治疗。
核心洞察
您知道吗？
AI能否缓解放射科医生短缺？新型#脑部扫描模型通过大规模数据自我训练，可快速追踪血管病变、#中风及#恶性肿瘤，从而帮助医生分诊优先级病例。#AI放射学 #中风检测 #肿瘤诊断 #神经放射学
该发现由伦敦国王学院研究人员完成，已发表于《放射学人工智能》期刊。
先进AI模型聚焦改善患者健康状况并最大限度减少诊断延误，新一代AI技术显著优化了MRI工作流程。
6万份报告构建AI独特训练方法
AI可通过分诊扫描和提升报告速度缓解放射科部门压力。
为实现此目标，研究团队首先让模型区分"正常"与"异常"扫描结果，其准确度经与专家放射科医生评估对比得到验证。
随后在特定病症测试中——使用未纳入训练数据的新型MRI扫描——包括中风、多发性硬化症和脑肿瘤，系统均能准确识别。
当前多数AI模型依赖专家放射科医生手动标注的大型数据集构建，这类标注既昂贵又耗时。
为克服此瓶颈，研究团队开发出无需专家放射科医生介入的自训练AI模型，通过同步分析6万余份现有脑部MRI扫描及其对应放射学报告完成训练。
AI优化放射科真实工作流程
研究者还设计了模型功能：当输入"胶质瘤"等脑肿瘤扫描或文本查询时，系统可搜索并调取相似病例，为诊断复核或教学提供支持。
研究表明，该模型可在扫描进行时实时标记异常结果，通过向放射科医生提示关键发现、检测报告潜在错误或调取历史相似病例来辅助临床决策。此举将加速诊断流程、减少报告延误，最终改善患者预后。
"下一步将在英国开展随机多中心试验，验证异常检测如何实际优化工作流程。我们很高兴地宣布该试验将于2026年在医院启动，"布斯评论道。
参考文献： 1. 中风影像中的人工智能：全面综述
【全文结束】
