详细内容或原文请订阅后点击阅览
人工智能工具可通过未标记的脑部 MRI 预测大脑年龄、癌症存活率和其他疾病信号
Mass General Brigham 开发了 BrainIAC，这是一种人工智能模型，可以分析各种任务的大脑 MRI，超越现有模型，并有望在临床实践中改善诊断、患者护理和生物标志物发现。
来源:Scientific Inquirer麻省总医院布里格姆分校的研究人员开发了一种强大的新型人工智能 (AI) 基础模型，该模型能够分析大脑 MRI 数据集以执行许多医疗任务，包括识别大脑年龄、预测痴呆风险、检测脑肿瘤突变和预测脑癌存活率。 工具。 被称为 BrainIAC 的模型优于其他更具特定任务的 AI 模型，并且在可用的训练数据有限时尤其有效。 结果发表在《自然神经科学》杂志上。
“BrainIAC 有潜力加速生物标志物的发现、增强诊断工具并加速人工智能在临床实践中的采用，”麻省总医院布里格姆总医院医学人工智能 (AIM) 项目的通讯作者本杰明·坎恩 (Benjamin Kann) 医学博士说道。 “将 BrainIAC 集成到成像方案中可以帮助临床医生更好地个性化并改善患者护理。”
尽管医疗人工智能方法最近取得了进展，但仍缺乏专注于广泛的脑部 MRI 分析的公开可用模型。大多数传统框架执行特定任务，并且需要使用难以获得的大型带注释数据集进行大量训练。此外，来自不同机构的脑 MRI 图像在外观上可能有所不同，并且根据其预期应用（例如神经学与肿瘤学护理）而有所不同，这使得人工智能框架很难从中学习类似的信息。
为了解决这些限制，研究团队设计了大脑成像自适应核心（BrainIAC）。该工具使用一种称为自监督学习的方法来识别未标记数据集中的固有特征，然后可以将其适应一系列应用程序。在多个脑部 MRI 成像数据集上对框架进行预训练后，研究人员在 48,965 次不同的脑部 MRI 扫描中验证了其在不同临床复杂性的七种不同任务中的性能。