Analiza rezonansu magnetycznego w kilka sekund. Nowy model AI z University of Michigan

Analiza rezonansu magnetycznego mózgu z wykorzystaniem sztucznej inteligencji pozwala w kilka sekund wykrywać schorzenia neurologiczne i oceniać pilność leczenia. Model opracowano na University of Michigan.

Model osiąga dokładność do 97,5% w wykrywaniu schorzeń neurologicznych i potrafi określić, które przypadki wymagają pilnej interwencji Zdaniem badaczy jest to pierwsza technologia tego typu, która może zmienić funkcjonowanie diagnostyki neuroobrazowej w systemach ochrony zdrowia w Stanach Zjednoczonych. Wyniki badania opublikowano w czasopiśmie Nature Biomedical Engineering.

Rosnące zapotrzebowanie na badania rezonansu magnetycznego zwiększa presję na lekarzy i systemy ochrony zdrowia. Autorzy badania wskazują, że automatyzacja analizy obrazów może pomóc ograniczyć to obciążenie i usprawnić proces diagnostyczny.

– Wraz z rosnącym globalnym zapotrzebowaniem na badania rezonansu magnetycznego systemy ochrony zdrowia i lekarze znajdują się pod coraz większą presją. Nasz model AI może ograniczyć to obciążenie, dostarczając szybkie i precyzyjne informacje diagnostyczne – powiedział Todd Hollon, neurochirurg University of Michigan Health.

Hollon nazwał opracowany model Prima. Zespół badawczy testował technologię na ponad 30 tys. badań rezonansu magnetycznego w ciągu roku. Prima osiągnęła lepsze wyniki niż inne zaawansowane modele AI w ponad 50 kategoriach diagnoz radiologicznych, które dotyczyły chorób neurologicznych.

Model skutecznie identyfikował również przypadki wymagające nadania wyższego priorytetu. Niektóre schorzenia neurologiczne, takie jak krwotoki mózgowe czy udary, wymagają natychmiastowej interwencji. W takich przypadkach Prima może automatycznie powiadamiać personel medyczny, umożliwiając szybką reakcję. Model zaprojektowano tak, aby wskazywał, którego specjalistę należy powiadomić, na przykład neurologa udarowego czy neurochirurga. Informacja zwrotna pojawia się natychmiast po zakończeniu badania.

– Dokładność ma kluczowe znaczenie przy analizie badań rezonansu magnetycznego mózgu, ale równie istotny jest krótki czas opisu, który wpływa na terminową diagnozę i wyniki leczenia – powiedział Yiwei Lyu, współautor badania.

Czym jest Prima?

Prima to model typu vision language (VLM), czyli system sztucznej inteligencji zdolny do jednoczesnego przetwarzania obrazów, danych wizualnych i tekstu w czasie rzeczywistym. Nie jest to pierwsza próba zastosowania AI w analizie badań rezonansu magnetycznego i neuroobrazowania, jednak podejście zespołu z Michigan wyróżnia się zakresem danych. Dotychczasowe modele opierały się na ręcznie wyselekcjonowanych zbiorach danych i realizowały wąskie zadania, takie jak wykrywanie zmian lub ocena ryzyka demencji. Projektując Primę, zespół Hollona wytrenował system na pełnym zbiorze badań rezonansu magnetycznego wykonanych w University of Michigan Health. Obejmował on ponad 200 tys. badań i 5,6 mln sekwencji, zgromadzonych od początku cyfryzacji radiologii. Do modelu wprowadzono również historie kliniczne pacjentów oraz informacje o wskazaniach do wykonania badań obrazowych. Prima integruje dane obrazowe z historią medyczną pacjenta, działając w sposób zbliżony do pracy radiologa. Takie podejście pozwala osiągać lepsze wyniki w szerokim zakresie zadań diagnostycznych.

Skala problemu i konsekwencje systemowe

Każdego roku na świecie wykonuje się miliony badań rezonansu magnetycznego, z czego znaczna część dotyczy chorób neurologicznych. Popyt na tego typu diagnostykę przewyższa dostępność specjalistów neuroradiologii, co prowadzi do braków kadrowych i zwiększa ryzyko błędów diagnostycznych. Czas oczekiwania na opis badania bywa długi i zależy od miejsca wykonania. W niektórych placówkach wyniki są dostępne po kilku dniach lub później, co opóźnia decyzje kliniczne.

Autorzy badania wskazują, że technologie automatyzujące analizę badań obrazowych mogą poprawić dostęp do usług radiologicznych zarówno w dużych systemach ochrony zdrowia, jak i w mniejszych ośrodkach z ograniczonymi zasobami. Rozwiązania tego typu mają potencjał do skalowania i zastosowania na szeroką skalę.

Kierunki dalszego rozwoju technologii

Choć model Prima osiągnął dobre wyniki, badania znajdują się na wczesnym etapie oceny. Zespół planuje dalsze prace nad integracją bardziej szczegółowych danych pacjentów oraz informacji z elektronicznej dokumentacji medycznej w celu zwiększenia trafności diagnoz. Autorzy podkreślają, że obecne wdrożenia sztucznej inteligencji w ochronie zdrowia mają zazwyczaj wąski zakres zastosowań. Rozwiązania takie jak Prima mogą oferować szersze wsparcie kliniczne, zbliżone do sposobu pracy radiologów i lekarzy. Technologia ma potencjał do adaptacji w innych metodach obrazowania, w tym w mammografii, badaniach rentgenowskich klatki piersiowej oraz ultrasonografii.

Przeczytaj także: Popołudniowa drzemka wspiera mózg

Opracowanie własne na podstawie: eurekalert.org

Last Updated on 9 lutego, 2026 by Karolina Bandulet