研究人员利用人工智能（AI）技术分析常规脑部扫描，发现了一种能够可靠识别许多中风前兆的新方法。这项新研究由皇家墨尔本医院的科学家团队完成，相关成果发表在《脑血管疾病》杂志上。新的深度学习模型能够识别出心房颤动（AFib），这是一种常见的心律不齐症，通过在MRI脑部扫描中发现人类难以察觉的细微模式来实现这一点。 皇家墨尔本医院神经科教授兼医生Bernard Yan表示：“每年约有1200万人首次遭受中风，而心房颤动是导致这些中风的一个重要原因。”他补充道，如果能找到一种有效的方法及早识别AFib，将有助于预防中风的发生，从而挽救无数生命。 研究团队选择了一种名为ConvNeXt的3D卷积神经网络来进行模型训练，该网络可以处理复杂的三维图像数据。研究者们在235名已知由于AFib或其它原因导致中风的患者的MRI影像资料上训练了这个神经网络。结果显示，该AI能够在区分由AFib引发的中风与其他类型中风时达到84%的准确性，这标志着早期诊断潜在中风风险的重要进步。 AFib是一种常见的缺血性中风的诱因。缺血性中风约占所有中风病例的90%，是由血管阻塞引起的，这种阻塞会切断大脑的氧气供应，进而造成严重的大脑损伤甚至死亡。AFib的风险因素主要包括年龄较大、肥胖、吸烟、欧洲血统和高血压。 据估计，美国约有5%的人口——接近1100万患者——患有AFib，每年大约有16000人死于AFib相关的中风。然而，即使在已经进行了脑MRI扫描的病人中，AFib仍然经常被漏诊，主要是因为其迹象过于细微，难以被常规医疗检查所识别。对于那些已经被确诊的AFib患者来说，他们的健康风险显著增加，他们发生中风的概率比普通人群高出五倍。 未来的研究方向包括扩大样本量并验证模型在不同环境中的泛化能力。如果这一技术得到广泛应用，则有望使预测和预防AFib相关中风变得更为简单且经济。与目前常用的ECG（心电图）和心脏监测相比，基于MRI的AI诊断方法具有侵入性较低、成本更合理的优势。 这项突破性的研究不仅展示了AI在医疗领域的巨大潜力，还强调了科技如何改善公共卫生水平的重要性。皇家墨尔本医院作为国际知名的研究型医疗机构，在该领域内一直走在前沿，致力于通过最新的科学技术解决实际医疗问题，提高患者生活质量。