维度网讯，一项发表在《通讯医学》(Communications Medicine)期刊上的研究提出，将人工智能应用于神经影像学，可使某些高级MRI扫描所需时间缩短多达90%，同时保持高精度。

该研究的创新之处在于训练人工智能模型的方法。与当前多数应用中采用真实患者数据训练不同，研究团队使用基于脑组织扩散过程物理原理的模型生成模拟数据，并以此训练神经网络，通过极少的共振图像来估计作为组织状态生物标志物的模型参数。

“减少采集所需时间，使得整合更先进的MRI技术成为可能，从而为医务人员提供更多的临床信息”，领导IN CSIC-UMH转化影像生物标志物实验室的研究员Silvia De Santis解释道。

这种方法还减少了与传统临床数据集相关的偏差。领导IN CSIC-UMH人工智能启发的脑结构与功能生物标志物研究线的研究员Maximilian Eggl补充说，使用模拟技术可以根据需要生成尽可能多的数据，无需依赖患者可用性，同时避免了隐私问题。

该方法依赖于扩散加权MRI等先进技术，这些技术允许非侵入性地研究脑组织中水的运动，从而获取其微观结构信息。人工智能可以高效地从这些信号中重建脑组织的详细特征。

研究显示，所需的测量次数大幅减少。Eggl表示，完全在模拟数据上训练的网络，仅使用10%的数据即可达到非常高的精度。这可能对临床环境产生直接影响，尤其是在候诊名单较长的医院。

这意味着扫描时间显著缩短，例如从大约40分钟减少到大约8分钟以获得相同的信息。两位研究员认为，这一过程将使在相同时间内治疗更多患者成为可能，并使系统更高效。

该方法为阿尔茨海默病等神经退行性疾病的研究开辟了新的可能性。这些疾病具有长达二十年的临床前阶段，期间没有明显症状。De Santis解释说，退行性疾病的临床诊断仍基于30多年前开发的技术，将实验室产生的进展整合到临床中仍然是一个重大挑战。这种新方法使得获取更详细的信息成为可能，进而改善诊断。

此外，该系统允许重新分析几十年前获得的磁共振成像数据，这些数据以前受到当时可用技术的限制。得益于这种基于模拟的新方法，这些数据可以被重新解读，以提取有关神经系统疾病的新相关信息。

这项工作得到了“laCaixa”基金会、西班牙国家研究署(AEI)及西班牙科学、创新和大学部、塞韦罗·奥乔亚卓越中心计划、巴伦西亚自治区招募杰出博士研究员的资助(CIDEGENT 2021)，以及帕斯卡尔·马拉加尔基金会的帕斯卡尔·马拉加尔研究人员计划(PMRP)的支持。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com