跟着脑部成像需求增长，辐射科大夫濒临日益严重的使命量积压。科学家们正在测试大范围AI模子能否匡助填补这一缺口。密歇根大学的议论东谈主员竖立了一款名为Prima的神经影像基础AI模子，大概在几秒内解读脑部MRI（磁共振成像）议论并标记需要遑急照管的病例。
Prima接受了向上22万份MRI议论的历练，这些议论来自密歇根大学卫生中心的数字化辐射科纪录，并在一项触及29，431次MRI搜检的前瞻性议论中进行了为期一年的评估。相关效力于本月早些时候发表在《当然·生物医学工程》（《Nature Biomedical Engineering》）上。
磁共振成像被等闲欺诈于评估神经系统疾病，但在很多地区，需求增长速率向上了辐射科的措置才气。作家指出，不断增长的成像量延伸了盘活时代，给临床使命经过带来了非凡压力，荒谬是在农村和资源有限的地区。Prima的联想蓄意是措置着实的临床MRI议论过火相关辐射科透露，以相沿惯例会诊使命。
“跟着环球MRI需求飞腾，给咱们的大夫和卫生系统领来首要压力，咱们的AI模子有后劲通过提供快速、准确的信息来改善会诊和补助，从而收缩包袱。”资深作家Todd Hollon博士在著作中默示。Hollon是密歇根大学卫生中心的神经外科大夫，亦然密歇根大学医学院神经外科助理锤真金不怕火。
字据论文显现，Prima在52项辐射科会诊中达到了平均92%的弧线底下积（AUC），这是对主要神经系统疾病举座会诊准确性的接洽标准。作家宣称，该模子的发达优于在湮灭任务上测试的其他通用型和医学AI系统。除了会诊分类，Prima还能生成可诠释注解的鉴识会诊，为辐射科医陌生派使命列表优先级，并提供转诊忽视。
Prima是一个视觉讲话基础模子，是一种多模态AI系统，旨在从医学图像和相关文本中学习。该模子接受分层视觉transformer架构，通过对比蓄意进行预历练，milan将三维MRI体积与配对的辐射科透露对皆。MRI议论被分割成子体积，并使用矢量量化变分自编码器进行编码，生成tokens，这些tokens通过序列和议论级别的transformer，产生好意思满搜检的默示。在挪动学习标准中，预历练组件被固定，并在学习到的议论特征上历练一个袖珍前馈网罗，以臆度特定会诊和临床效力。
{jz:field.toptypename/}为构建历练数据集，团队查询了密歇根大学卫生中心处事器，得到总计带有相关透露的颅脑MRI。在过滤元数据好意思满性后，生成的UM-220K数据集包含221，147项议论和560万个成像序列。大讲话模子被用于精良辐射科透露并索要结构化发现，以进行对比预历练。作家透露，模子在与LLM生成的精良对皆的性能和与东谈主类人人精良对皆的性能之间，莫得统计学权臣各异。
Prima还评估了在东谈主口群体中的自制性。前瞻性部队中性别、种族和地舆区域的交叉分析显现，会诊性能变化极小，等化几率分析标明，不同群体间真阳性和假阳性率的各异有限。
字据密歇根大学医学院的著作，明天版块的Prima可能大概整合更详备的患者信息和电子病历数据，以已毕更准确的会诊。Prima还有朝一日可能欺诈于其他类型的成像，如乳腺X光和超声搜检。
“就像AI器具不错匡助草拟邮件或提供忽视相似，Prima旨在成为解读医学影像议论的数字助理。”Hollon说，“咱们折服，Prima体现了将卫生系统与AI早先模子聚聚集、通过翻新改善医疗保健的变革后劲。”
备案号: