来自拉马尔研究所和波恩大学（University of Bonn）的一支研究团队探索了一种新的方法来改进脑神经通路的可视化。他们的研究与波恩大学医院（University Hospital Bonn，UKB）的转化神经影像小组合作进行，并发表在《NeuroImage: Clinical》上，探讨了如何利用人工智能（AI）增强脑成像的准确性。这一进步最终可能使复杂的神经外科手术更加安全。
映射大脑神经通路的挑战
大脑是一个由神经细胞通过纤细而脆弱的路径连接而成的复杂网络，这些路径被称为神经纤维或束。这些纤维负责诸如运动、语言和思维等重要功能。在脑部手术中，尤其是针对癫痫等疾病的手术，外科医生需要精确的信息来避免损伤关键的大脑功能。
用于映射神经通路的一个重要工具是纤维束成像（tractography），这是一种利用特殊MRI扫描预测这些连接位置的技术。然而，标准的纤维束成像方法依赖于数学模型，这些模型往往难以提供准确的结果，特别是在那些因疾病或手术而改变大脑结构的患者中。这就是AI提供解决方案的地方。
AI如何改进纤维束成像
基于AI的系统，如TractSeg，利用机器学习分析MRI数据并识别模式，从而生成更精确的神经通路重建。尽管这些AI方法显示出巨大潜力，但也带来了挑战。
研究团队在进行了半球切断术（hemispherotomy）的癫痫患者身上测试了TractSeg。虽然该AI模型在许多情况下表现良好，但也会出现重大错误。例如，它有时会重建因手术而不再存在的神经通路——这被称为“幻觉”。在其他情况下，它未能检测到剩余的通路，导致不完整或错误的重建。
混合方法提高准确性
为了提高准确性，研究人员开发了一种新的混合方法，将AI与传统影像技术相结合。这种方法允许AI增强重建，同时确保只显示真实存在的神经连接。结果显著改善：
- 不再有不存在的通路“幻觉”
- 更好地检测到保留的神经连接
- 总体上更可靠的重建，即使在健康大脑中也是如此
领导这项研究的主要研究员托马斯·舒尔茨教授（Prof. Dr. Thomas Schultz）强调了这一突破的重要性。“我们的研究表明，AI驱动的纤维束成像在临床应用中既有潜力也有局限性。将AI与传统方法结合，为更精确的重建提供了有希望的解决方案，尤其是在处理受病理变化影响的患者数据时。”
对神经外科的未来影响
研究团队计划进一步完善这种混合技术，并最终将其应用于实际的神经外科环境中。通过提高脑成像的准确性，这项技术可以帮助外科医生更自信地规划和执行复杂的手术，减少并发症的风险，改善患者的治疗效果。
随着AI的不断发展，其与医学影像的结合可能会彻底改变医生理解和治疗脑部疾病的方式，使全球患者的手术更加安全和有效。
(全文结束)
