一种新的人工智能模型可能帮助放射科医生在MRI扫描中识别脑部异常，适用于所有疾病，包括中风、多发性硬化症和脑肿瘤。
这项研究由伦敦国王学院的研究人员主导，并在Radiology AI上发表，展示了人工智能如何应对放射科医生短缺和MRI需求逐年增加所造成的日益增长的积压。
这些积压可能导致治疗延误，进而影响患者的治疗效果，因为MRI扫描对诊断和监测一系列脑部疾病（比如肿瘤、中风和动脉瘤）非常重要。
人工智能模型是如何开发的
人工智能可以通过 对扫描进行分类 和提高报告速度来减轻放射科部门的压力。
为此，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，模型的表现非常准确。
随后，模型在特定病症上进行了测试，使用的是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，并能准确识别这些病症。
无需手动标注的训练
目前大多数人工智能模型都是基于大量数据集构建的，这些数据集由专家放射科医生手动标注，既昂贵又耗时。
为了解决这个问题，团队构建了一个能够自我训练的人工智能模型——不需要专家放射科医生——利用超过60,000个现有的脑部MRI扫描和对应的放射学报告进行训练。
“通过用扫描图像和放射科医生描述它们的语言来训练系统，我们可以教它理解异常的样子，”这项研究的高级作者、伦敦国王学院神经影像学讲师和国王学院医院顾问神经放射科医生托马斯·布斯博士解释说。
潜在应用和下一步
研究人员还设计了该模型，使其在接收到扫描或文本查询（如“胶质瘤”，一种脑肿瘤）时，能够搜索并检索类似病例，可能有助于诊断审核或教学。
研究表明，该模型可以在扫描时标记异常情况，并通过向放射科医生提供建议、检测报告中的潜在错误，或从过去的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，帮助改善患者的治疗效果。
布斯评论道：“下一步是在英国进行随机多中心试验，以了解异常检测如何改善实际工作流程。我们很高兴地宣布，这项试验将在2026年在医院启动。”
热门跟贴