麻省总医院布莱根的研究人员开发了一种名为“大脑成像自适应核心”（BrainIAC）的人工智能模型，该模型基于近4.9万张大脑核磁共振成像（MRI）扫描训练而成，能够帮助医生更早预测痴呆症风险、评估大脑年龄并检测脑肿瘤突变。

这项研究近期发表于《自然·神经科学》期刊。通讯作者本杰明·坎恩博士表示：“BrainIAC是一个AI基础模型，通过数万张大脑MRI扫描学习大脑结构。基于这一核心知识，它可以被调整用于识别多种脑部疾病、评估严重程度并预测未来风险。”坎恩同时任职于布莱根妇女医院、丹娜—法伯癌症研究所和哈佛医学院。

研究人员在多样化的大脑MRI扫描上验证了BrainIAC的性能，证实该模型能够分析扫描图像以识别大脑老化迹象、预测痴呆症发病可能、检测脑肿瘤变异并评估脑癌患者的生存率。坎恩指出：“识别这些问题有助于临床医生和痴呆症患者采取针对性治疗或预防措施，从而改善生活质量和生存率。”

与专注于单一任务的AI模型相比，BrainIAC表现出更优的性能，尤其在训练数据有限的情况下效果显著。坎恩解释道：“开发医学影像AI模型的主要挑战在于缺乏大型标注数据集。BrainIAC通过未标注数据进行预训练建立知识库，后续只需少量标注数据就能在特定任务上取得良好效果，这降低了数据获取门槛。”

目前该模型已开源供研究使用。神经外科医生瓦拉万·西瓦库马尔博士评论道：“该模型在多样化数据上采用自监督学习，能适应现实临床环境的复杂性。它在数据稀缺时仍能有效工作，这为实际应用提供了便利。”神经免疫学专家拉娜·佐夫蒂斯·瑞尔森博士补充说：“早期识别脑部疾病对治疗至关重要，此类AI工具有望帮助减少诊断延迟，值得在临床实践中进一步评估。”