西班牙国家研究理事会与埃尔切米格尔埃尔南德斯大学联合神经科学研究所的两名研究人员开发出一项基于人工智能和计算机模拟的新策略，可将高级脑部核磁共振扫描时间缩短高达 90%，同时保持高准确度。该研究成果已发表于《通讯医学》杂志。 与传统依赖真实患者数据训练模型不同，该团队利用脑组织扩散过程的物理机制生成模拟数据，以此训练神经网络来估算能反映组织状态的生物标志物。研究负责人西尔维娅·德·桑蒂斯指出，采集时间的缩短使临床能应用更先进的扫描技术，从而获取更多医疗信息。研究人员马克西米利安·艾格尔补充道，模拟数据不仅可无限生成，还能避免患者隐私问题并消除传统临床数据集中的偏差。 在实操层面，该技术基于扩散加权核磁共振技术，通过少量共振图像即可重建脑部微结构的详细特征。艾格尔表示，网络仅需 10% 的常规数据量即可达到极高精度。这意味着扫描时间可能从约 40 分钟大幅缩减至 8 分钟左右，显著提升医院在应对长等待名单时的效率。 此外，该突破为阿尔茨海默症等神经退行性疾病的研究带来新希望。鉴于此类疾病在发病前可能有长达二十年的无症状期，新方法能提供更详细的脑部信息，辅助早期诊断。同时，利用该技术还可重新分析几十年前采集的旧核磁共振数据，挖掘出新的神经疾病相关信息，让历史数据焕发新生。这一创新为未来高效、普及的临床神经影像学应用铺平了道路。