英国人工智能研究员巴塞·里曼（Bassey Riman）开发了一套机器学习系统，可通过分析脑部MRI扫描改善阿尔茨海默病的早期检测。
巴塞·里曼是一名AI工程师，最近毕业于英国提赛德大学（Teesside University）人工智能硕士项目。他设计了一套名为AlzDetect的系统，该系统采用一种称为视觉变换器（Vision Transformer, ViT）的深度学习架构，对神经影像数据进行阿尔茨海默病阶段分类。
阿尔茨海默病仍然是全球最紧迫的神经健康挑战之一。早期诊断尤为困难，因为与该病相关的脑结构变化在初期阶段可能非常细微。研究人员越来越多地借助人工智能来检测医学图像中人类肉眼难以识别的模式。
里曼的研究重点是将基于变换器的机器学习模型与可解释AI技术相结合，使临床医生不仅能获得系统的预测结果，还能通过可视化方式了解模型得出决策的过程。
里曼表示：“目标不仅仅是构建一个高精度的模型。在医疗领域，同样重要的是AI系统能够提供可解释的说明，让临床医生理解为何做出某项决策。”
该模型使用阿尔茨海默病神经影像学倡议（Alzheimer's Disease Neuroimaging Initiative, ADNI）的MRI数据进行训练。ADNI是一个大型国际研究数据集，广泛用于神经科学研究。系统将扫描结果分为四个诊断阶段：无痴呆、极轻度痴呆、轻度痴呆和中度痴呆。
为了展示该技术的实际应用，里曼还开发了一个基于网络的平台原型，用户可上传MRI图像，获得自动分类结果，以及基于注意力的可视化解释，突出显示影响模型预测的脑区。
该平台旨在作为研究原型，展示基于变换器的AI模型如何最终整合到临床决策支持工具中。
这项研究是正在准备提交同行评审期刊的研究论文的基础，该论文在提赛德大学研究人员的指导下完成。
专家表示，使用变换器架构——最初为自然语言处理开发——代表了医学影像研究中的一个增长趋势，因为图像中的全局空间关系对于识别疾病模式至关重要。
除了研究本身，里曼希望该项目能展示新兴AI技术如何为医疗创新做出贡献。
他说：“人工智能在协助临床医生和加速医学发现方面具有巨大潜力。我的重点是构建既具备技术性能又具有透明度的系统，使其能够在真实应用中获得信任。”
随着对AI驱动的医疗解决方案兴趣的持续增长，像AlzDetect这样的项目突显了机器学习在应对复杂医学挑战中日益重要的作用。
【全文结束】