共计 1286 个字符,预计需要花费 4 分钟才能阅读完成。
Mayo Clinic 的研究人员近日推出一款名为 StateViewer 的人工智能工具,能够通过一次常规扫描识别与九种痴呆症相关的大脑活动模式,包括阿尔茨海默病。这一突破性进展为痴呆症的早期准确诊断带来了革命性改变。
根据发表在《Neurology》杂志上的研究,StateViewer 在 88% 的病例中成功识别出痴呆类型。与标准工作流程相比,该工具不仅使脑部扫描的解释速度提升近一倍,准确率更是提高了三倍。研究团队在超过 3600 次扫描上训练和测试了该 AI 系统,涵盖了痴呆患者和认知正常者的影像数据。
这项创新解决了痴呆症护理中的关键挑战:即使在多种病症并存的情况下,也能实现早期准确诊断。随着新疗法的不断涌现,及时诊断有助于为患者在最关键的时期提供最合适的治疗方案。StateViewer 的推出,也为缺乏神经病学专业知识的诊所提供了先进的诊断支持。
目前,全球有超过 5500 万人受痴呆症困扰,每年新增病例近 1000 万。阿尔茨海默病作为最常见的痴呆类型,已成为全球第五大死亡原因。传统诊断过程包括认知测试、血液检查、影像学检查、临床访谈和专家会诊,即便如此,区分阿尔茨海默病、路易体痴呆和额颞叶痴呆等病症仍然极具挑战性。
StateViewer 的开发由 Mayo Clinic 神经病学家 David Jones 博士主导。Jones 博士表示:’ 每位患者都携带着由大脑复杂性塑造的独特故事。这种复杂性吸引我进入神经病学领域,并持续推动我对更清晰答案的追求。StateViewer 体现了这一承诺——迈向更早的理解、更精确的治疗,并有望有朝一日改变这些疾病的进程。’
为了将这一愿景变为现实,Jones 博士与数据科学家 Leland Barnard 博士合作,后者领导了 StateViewer 的 AI 工程。Barnard 博士强调:’ 在设计 StateViewer 时,我们始终牢记,每一个数据点和脑部扫描背后都是一个面临艰难诊断和紧迫问题的人。看到该工具如何通过实时、精确的见解和指导帮助医生,凸显了机器学习在临床医学中的巨大潜力。’
StateViewer 通过分析氟脱氧葡萄糖正电子发射断层扫描(FDG-PET),即显示大脑如何利用葡萄糖获取能量的扫描结果,将其与来自确诊痴呆症患者的大量扫描数据库进行比较,识别出与特定类型或组合的痴呆症相匹配的模式。
具体而言,阿尔茨海默病通常影响记忆和处理区域,路易体痴呆涉及与注意力和运动相关的区域,额颞叶痴呆则改变负责语言和行为的区域。StateViewer 通过彩色编码的脑图显示这些模式,突出显示大脑活动的关键区域,为所有临床医生(即使是没有神经病学培训的医生)提供 AI 所见内容的视觉解释,以及它如何支持诊断。
Mayo Clinic 的研究团队计划进一步扩大 StateViewer 的使用范围,并持续在各种临床环境中评估其性能。这一创新工具不仅有望提高痴呆症诊断的准确性和效率,还可能为患者争取更早的治疗时机,从而改善预后质量。
随着人工智能技术在医疗领域的深入应用,StateViewer 的成功开发为其他复杂疾病的诊断提供了新的思路和范例,预示着医疗诊断领域将迎来更多突破性进展。