神經影像學的新標準：密西根大學（U-M）的 Prima AI 在數秒內讀取大腦掃描影像
密西根大學的研究人員揭曉了「Prima」，這是一款突破性的人工智慧系統，能夠在短短數秒內解讀大腦核磁共振（MRI）掃描影像，診斷準確度高達 97.5%。這款視覺語言模型（Vision-language model，VLM）在《自然生物醫學工程》（Nature Biomedical Engineering）發表的研究中詳細介紹，代表了醫學影像領域的重大飛躍，超越了狹隘的診斷任務，提供全面的放射科醫師級別分析，有望緩解全球醫療系統日益增長的負擔。
由於診斷影像的需求超過了受訓放射科醫師的供應，解讀的延遲已成為患者護理中的關鍵瓶頸。Prima 透過加速診斷以及自動標記急性急症（如中風或腦出血）來解決這一挑戰，從而允許在臨床工作流程中立即排定優先順序。
Prima 的架構：視覺語言方法
與以往通常在小型、手動策劃的數據集上訓練以檢測特定病理（如腫瘤或病變）的放射科 AI 模型不同，Prima 是在大規模基礎上構建的。該系統是一個視覺語言模型（VLM），在超過 20 萬份真實世界的 MRI 研究（包含超過 560 萬個獨立影像序列）上進行訓練。該數據集涵蓋了來自 University of Michigan 健康中心的數十年臨床記錄，為 AI 提供了與資深專家相當的「經驗」深度。
「Prima 的工作方式就像放射科醫師，透過整合患者的病史和影像數據，對其健康狀況產生全面的了解，」該研究的共同第一作者、密西根大學神經外科機器學習實驗室的數據科學家 Samir Harake 解釋道。
獨特的技術特點
- 整體數據處理： Prima 分析完整的 MRI 研究而非孤立的切片，保留了準確神經診斷所必需的 3D 背景。
- 多模態整合（Multimodal Integration）： 該模型處理視覺數據的同時也處理臨床文本，例如醫師要求掃描的原因和患者的病史。
- 廣泛的診斷能力： 雖然早期的工具僅限於二元任務（例如，腫瘤對比無腫瘤），但 Prima 可以識別 50 多種不同的神經系統疾病。
變革急診分流與工作流程
Prima 最具影響力的功能之一是其作為智慧分流代理的能力。在急診醫學中，「時間就是大腦」——治療中風或出血的每一分鐘延遲都可能導致永久性的神經功能缺損。Prima 會自動檢測這些高優先級的情況，並提醒相應的專科醫師，如血管神經內科醫師或神經外科醫師，有效地繞過標準的排隊時間。
Dr. Todd Hollon，該研究的高級作者且是密西根大學健康中心的神經外科醫師，強調該系統旨在簡化護理流程而不犧牲精準度。透過處理初步評估和路由，Prima 讓人類放射科醫師能將專業知識集中在最需要其判斷的複雜病例上。
比較分析：Prima 與傳統 AI
以下對比突顯了 Prima 如何超越早期放射科 AI 工具的局限性。
表 1：神經影像學 AI 的演進
| 功能 | 傳統 AI 模型 | Prima 系統 (U-M) |
|---|---|---|
| 訓練數據規模 | 小型、策劃的數據集 (<5,000 次掃描) | >200,000 份完整臨床研究 |
| 輸入模態 | 單一 2D 影像切片 | 完整 3D 序列 + 臨床文本 |
| 診斷範圍 | 單一任務 (例如：僅限腫瘤) | >50 種神經系統疾病 |
| 臨床背景 | 對患者病史不知情 | 整合電子健康記錄 (EHR) |
| 工作流功能 | 被動檢測輔助 | 主動分流與專科路由 |
準確性與驗證
研究團隊在為期一年的時間裡，對超過 3 萬份 MRI 研究的測試集驗證了 Prima 的表現。結果令人信服：該模型在廣泛的疾病譜系中實現了 97.5% 的診斷準確度，超越了最先進的基準。
Yiwei Lyu，共同第一作者且是密西根大學電腦科學與工程系博士後研究員，指出準確性在神經影像學中至關重要，但速度對於結果也同樣關鍵。Prima 同時提供了這兩者，創造了一種「副駕駛」動態，增強了臨床團隊的能力。透過準確預測病例的緊急程度，該系統確保危重患者不會在普通隊列中等待。
對全球醫療公平的影響
除了高科技的學術醫療中心，Prima 在解決醫療資源獲取不平等問題方面也大有可為。在缺乏受過專科訓練的神經放射科醫師的農村或資源受限地區，一個能夠提供專家級初步解讀的 AI 系統可能會徹底改變患者管理。
該系統在不同人口統計數據和設備類型中的推廣能力表明，它可以有效地部署在多樣化的醫院環境中。這種擴展性至關重要，因為全球 MRI 掃描量預計每六年翻一倍，這一增長速度遠遠超過了新放射科醫師的培訓速度。
未來方向
雖然 Prima 目前正處於高級評估階段，但研究人員計劃進一步擴展其功能。未來的迭代可能會整合來自電子健康記錄（Electronic Health Records，EHR）更豐富的數據集，使模型能夠發現影像發現與長期患者預後之間的微妙相關性。
隨著密西根大學向臨床實施邁進，重點仍將放在驗證該系統對患者存活率和醫院效率的影響上。「隨著全球對 MRI 的需求上升並給我們的醫師和醫療系統帶來重大壓力，我們的人工智慧模型有潛力透過提供快速、準確的信息來改善診斷和治療，從而減輕負擔，」Hollon 博士總結道。
對於 AI 社群而言，Prima 展示了基礎模型（Foundation models）應用於特定領域科學挑戰的巨大潛力，標誌著從狹隘的 AI 工具向全面、具備背景感知能力的智慧系統的轉變。
