一项发表于《自然神经科学》的新研究探讨了AI基础模型在脑部MRI诊断中的应用潜力。研究人员开发了名为BrainIAC的AI基础模型，并与MedicalNet、BrainSegFounder和Scratch等公开模型进行了比较，评估其在脑年龄预测、IDH突变检测和中风时间预测等任务中的表现。

BrainIAC模型采用自监督学习方法，基于48,965次脑部MRI扫描进行训练和验证。研究结果显示，该模型在预测脑年龄时平均绝对误差为6.55年，在中风时间预测中平均绝对误差为38.87天，在低级别胶质瘤患者的IDH突变预测中AUC达到79%。这些数据表明，AI基础模型在脑部MRI分析中具有较高的准确性。

哈佛医学院放射肿瘤学副教授Benjamin Kann博士在接受《诊断影像》采访时指出：“我们每年对患者进行数百万次扫描，但大量数据未被充分利用。基于视觉的AI基础模型在MRI等生物医学成像中可能发挥关键作用，通过教授模型脑部MRI结构的基础知识，可以在较少标记数据的情况下开发适应多种场景的模型。”

Kann博士进一步强调：“从临床角度看，AI基础模型能够从常规脑部MRI中提取突变预测、脑肿瘤评估及痴呆风险等信息，揭示以往难以获取的数据和见解。像BrainIAC这样的模型有望降低应用门槛，推动脑部MRI诊断的优化。”

AI基础模型的发展为脑部MRI提供了新的诊断工具，未来或将在医疗领域实现更广泛的应用。通过整合AI技术，脑部MRI的数据利用率和诊断效率有望得到进一步提升。