Yandex的开源人工智能工具检测婴儿脑瘫迹象的准确率超过90%

近期，Yandex B2B Tech与Yandex 数据分析学院和圣彼得堡国立儿科医科大学合作，开发了世界上第一个用于评估12个月以下婴儿大脑发育的人工智能解决方案。神经网络可自动进行 MRI 分析，将处理时间从几天缩短到几分钟。

所提出的解决方案分析了MRI扫描，可以区分灰脑和白脑物质，准确率超过90%。它将评估时间从几天缩短到几分钟，能够为患有脑瘫和其他中枢神经系统疾病的婴儿提供更早的发现和更有效的康复计划。它被设计为疑似脑瘫和其他中枢神经系统疾病的决策支持工具，帮助医生确定有效的康复策略。

脑瘫的全球挑战

脑瘫是印度儿童残疾的主要原因之一。据估计，每1000名活产婴儿中就有2~3名受到脑瘫影响，该数据与全球估计一致。

早期诊断对于改善预后和确保有效康复至关重要。然而，在出生后的前12个月内检测脑瘫仍然是现代医学中最困难的任务之一。婴儿的大脑发育速度惊人，由于灰质和白质之间的对比度较低，传统的MRI扫描很难解释灰质和白质（形成大脑皮层并支持高级大脑功能的组织）。

MRI 测试过程通常需要20~40分钟，但解释图像和准备报告可能需要经验丰富的放射科医生几个小时到几天的时间。对于纵向监测，工作量和周转时间会大大增加，因为临床医生可能需要审查大量的后续扫描。

用神经网络解决挑战

研究人员之前曾探索过人工智能来应对这一挑战，通常是通过机器学习竞赛。一个著名的例子是2019年MICCAI大挑战赛，它邀请参与者使用 iSeg-2019数据集对六个月以下婴儿大脑进行MRI扫描。

比赛吸引了来自世界各地的开发人员，但也揭示了一个主要障碍：缺乏带注释的数据。特别是，分割掩码——对于训练临床使用的人工智能模型至关重要的灰质和白质轮廓——是稀缺的。iSeg-2019 数据集仅包含15张带注释的图像，而该大学的档案包含1500名患者的MRI 扫描，没有任何注释。

为了弥补这一差距，Yandex研究人员与医学专家合作创建了新的注释，设计了专用的神经网络架构，并运行了一系列机器学习实验。由此产生的模型在内部评估数据上区分婴儿大脑中的灰质和白质的准确率达到了90%以上，展示了其临床应用的潜力。

“我们的目标是让医生能够获得最先进的Yandex技术，帮助他们提供准确及时的诊断、选择最佳治疗方法并开发新药，”Yandex 云技术与社会中心负责人Anna Lemyakina 说。“尽管存在许多商业放射学解决方案，但以前没有一个解决过分析新生儿MRI 扫描的任务。该项目的主要挑战是有限的数据集。通过与医学专家的密切合作，我们创建了一种工具，使放射科医生能够在相同的时间内检查更多患者，并在最需要的地方快速推荐治疗方法。

实际好处和优势

由于该代码是开源且免费使用的，该解决方案可以被印度医疗机构采用，有助于推进全球早期脑瘫诊断的实践。将此工具集成到临床工作流程中可以：

1、提高准确性和客观性。该模型的准确率超过90%，突出显示、轮廓并量化婴儿大脑中灰质与白质的比例。

2、加速诊断。MRI 分析从几天缩短到几分钟，这对于及时治疗至关重要，在纵向监测中尤其有价值，因为纵向监测可能需要审查数百或数千次扫描。

3、提高临床通量。自动化常规扫描分割使放射科医生能够专注于复杂的病例并指导患者护理。

4、该工具还可以充当助手，支持经验不足的专家解释通常难以分析的婴儿脑部扫描。