密歇根大学研究团队近期开发了一款名为Prima的人工智能系统，可分析脑部核磁共振成像扫描并在数秒内提供诊断结果及病例紧迫程度评估。该系统在识别神经系统疾病方面的准确率为97.5%，并能够判断哪些病例需要优先处理。相关研究成果已发表于《自然·生物医学工程》杂志。

Prima被归类为视觉语言模型，可同时处理图像、文本等多种数据类型。研究团队利用密歇根大学健康中心超过20万例MRI扫描、560万个成像序列及患者临床病史数据对系统进行训练。在超过50种神经系统疾病的诊断任务中，Prima的性能优于其他参照模型。

“解读脑部MRI图像时，准确性至关重要，但快速的周转时间对于及时诊断和改善治疗效果同样关键。”论文共同第一作者、密歇根大学计算机科学与工程系博士后研究员吕一伟表示。“我们的结果表明，Prima能够在不牺牲准确性的前提下改进工作流程。”

该系统可识别需紧急处置的病例，如中风或脑出血，并向相应专科医生发出提示。患者完成影像检查后可即时获得反馈。

研究团队指出，全球MRI检查需求持续增长，部分医疗机构面临影像诊断资源紧张。该研究资深作者、密歇根大学健康中心神经外科助理教授Todd Hollon表示，Prima的目标是成为解读医学影像的辅助工具。他将该系统描述为“医学成像领域的ChatGPT”，并认为类似技术未来或可拓展至乳腺X光、胸部X光、超声等其他医学影像领域。

研究人员同时表示，该系统仍处于早期评估阶段，后续研究计划纳入更完整的电子病历数据以进一步提升诊断准确性。

本研究由密歇根大学健康中心神经外科、放射科、计算机科学与工程系、神经内科等多个部门合作完成。研究获美国国立卫生研究院国家神经疾病与卒中研究所、陈-扎克伯格倡议基金会、Frankel心脏与脑健康研究所等机构支持。

出版详情：作者：Yiwei Lyu、Samir Harake、Asadur Chowdury、Soumyanil Banerjee、Rachel Gologorsky、Shixuan Liu、Anna-Katharina Meissner、Akshay Rao、Chenhui Zhao、Akhil Kondepudi、Cheng Jiang、Xinhai Hou、Rushikesh S. Joshi、Volker Neuschmelting、Ashok Srinivasan、Dawn Kleindorfer、Brian Athey、Vikas Gulani、Aditya Pandey、Honglak Lee、Todd Hollon，标题：《从健康系统规模数据中学习神经影像模型》，发表于：《自然生物医学工程》(2026)。期刊详情：《自然生物医学工程》