详细内容或原文请订阅后点击阅览
新的人工智能工具可预测大脑年龄、痴呆风险、癌症存活率
与其他人工智能模型不同，BrainIAC 需要有限的数据来识别关键的神经健康指标
来源:哈佛大学报开发出一种新的人工智能基础模型，可以从常规脑部 MRI 中准确提取多种疾病风险信号，包括：估计一个人的“大脑年龄”；预测痴呆风险；检测脑肿瘤突变；哈佛大学附属麻省总医院布里格姆分校的研究人员表示，它可以预测脑癌患者的生存情况。
该模型是一个名为 BrainIAC 的大脑成像自适应核心，经过近 49,000 次脑部 MRI 扫描的训练。 该工具的性能优于其他更具特定任务的人工智能模型，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。
研究人员表示，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，BrainIAC 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，然后将其适应一系列应用。在多个脑 MRI 成像数据集上对框架进行预训练后，研究人员验证了其在 48,965 个不同脑 MRI 扫描中的性能，这些扫描涉及不同临床复杂性的七种不同任务。
研究人员发现，BrainIAC 可以成功地将其学习成果推广到健康和异常图像中，随后将其应用于相对简单的任务（例如对 MRI 扫描类型进行分类）和非常具有挑战性的任务（例如检测脑肿瘤突变类型）。该模型在这些应用程序和其他应用程序中的性能也优于三个更传统的、特定于任务的人工智能框架。