一种由MIT、哈佛大学与麻省总医院研究人员开发的AI算法，首次实现了对脑干中关键白质纤维束的自动精准识别与追踪。这项突破性成果发表于2月6日的《美国国家科学院院刊》（PNAS），名为“脑干纤维束工具”（BrainStem Bundle Tool, BSBT），可自动分割扩散磁共振成像（diffusion MRI）中的八个主要白质束。 脑干是调控意识、呼吸、心跳、体温及运动等基本生命功能的核心区域，其内部的白质纤维束极为细小，且受脑脊液流动与呼吸心跳干扰，传统成像手段难以清晰分辨。这一技术瓶颈长期阻碍了对脑干结构与功能的研究。BSBT通过结合卷积神经网络与多通道影像数据，构建“概率性纤维图谱”，能够从复杂影像中精准识别出脑干内八条关键纤维束。 研究团队以人类连接组计划（HCP）中30名志愿者的扩散MRI数据进行训练，经人工标注后，AI模型得以学习识别纤维束。随后，团队在尸检大脑的高分辨率图像中验证了算法的准确性，并通过重复扫描测试证明其在不同时间点的一致性。在多组独立数据集上，BSBT均表现出高度稳定与可靠。 该工具在多种神经系统疾病中展现出巨大潜力。在阿尔茨海默病患者中，仅一条纤维束出现结构变化；帕金森病患者则在三条束中出现各向异性（FA）下降，部分患者还出现体积萎缩；多发性硬化症患者在四条束中FA显著降低，三条束出现体积损失；而创伤性脑损伤（TBI）患者虽无明显体积减少，但多数束的FA值下降。这些变化为疾病进展提供了潜在的新型生物标志物。 更令人振奋的是，研究团队利用BSBT分析了一名29岁严重TBI患者在七个月昏迷期间的多次扫描。结果显示，其脑干纤维束虽被移位但未断裂，随着康复进程，损伤体积缩小约三分之二，束结构也逐步复位。这表明BSBT具备预测昏迷恢复前景的潜力，有助于识别仍具功能的脑干通路。 研究团队表示，BSBT可作为现有影像诊断的重要补充，提供精细的脑干白质结构评估，尤其在纵向追踪中价值显著。该工具已公开发布，为全球神经科学与临床研究提供强大支持。