从卫生系统规模数据中学习神经成像模型
Yiwei Lyu1, Samir Harake2, Asadur Chowdury2
1University of Michigan Computer Science and Engineering.
Research square
|February 20, 2025
概括
普里马是一种新的视觉语言模型 (VLM),通过分析超过22万个MRI研究来增强神经成像. 这种人工智能工具提高了临床环境中的诊断准确性和效率,支持公平的医疗保健服务.
科学领域:
- 人工智能在医学中的应用
- 神经成像分析分析 神经成像分析
- 机器学习用于医疗保健
背景情况:
- 对磁共振成像 (MRI) 的需求不断增加,给医疗保健系统带来了压力,导致延误和医生倦怠.
- 在获得医疗保健方面的差异不成比例地影响了资源较低和农村地区的患者.
- 现有的人工智能模型缺乏对现实世界的临床神经成像数据的全面能力.
研究的目的:
- 开发和验证Prima,这是第一个视觉语言模型 (VLM),被设计为临床神经成像的AI基础.
- 利用一个大型学术卫生系统的数据来训练一个强大的AI模型.
- 评估Prima在支持现实世界临床MRI研究方面的表现.
主要方法:
- 在使用层次视觉架构的22万多项临床MRI研究中接受过Prima的培训.
- 进行了一项为期一年的前性,涉及整个卫生系统的研究,涉及30,000个MRI研究.
- 评估了Prima在52个主要神经系统疾病的放射性诊断中的诊断性能.
主要成果:
- 在各种神经疾病中,Prima在ROC曲线下的平均诊断面积为90.1 ± 5.0%.
- 在诊断准确性方面表现优于最先进的通用和医疗AI模型.
- 在敏感群体中展示了算法公平性,显示了减轻卫生系统偏见的潜力.
结论:
- 普里马代表了人工智能驱动的神经成像技术的变革性进步,提供可解释的诊断和工作流优先级.
- VLM可以帮助减少卫生系统的偏见,改善服务不足的人群的交付时间.
- 在神经成像中,Prima有可能显著提高人工智能驱动的医疗保健服务.
