北京
一位多發性硬化患者坐在顯示器前，醫生指著掃描圖像上白質區域的亮點說，這就是病灶。患者點頭，但心里清楚那些看不見的地方才是真正拖垮身體的元兇。這樣的場景在過去幾十年里反復上演——標準核磁共振能看到白質損傷，卻對大腦皮層中更關鍵的那些損傷“視而不見”。
現在，一個由布法羅大學領銜的研究團隊把人工智能搬進閱片室，在常規核磁掃描里挖出了此前一直藏著的疾病信號。這項發表在《通訊醫學》上的研究證明，計算模型能夠對同一患者的多組圖像進行對比，捕捉到傳統閱片方式無法察覺的損傷模式，而這些模式恰恰緊貼殘疾進展與認知下降。
皮層病灶的存在很早就被注意到。早在19世紀末多發性硬化剛被臨床描述時，病理學家就在尸檢組織里看到了這些灰質病變，但它們直到21世紀才進入診斷標準，并且也僅限于紙面——常規核磁根本照不出來。“我們知道皮層病灶就在那里，但就是看不到，這讓人特別惱火，”該論文第一作者兼通訊作者、神經病學與生物醫學信息學副教授邁克爾·G·德懷爾說，“組織病理學家幾十年來在死后組織里反復驗證的大量損傷，常規核磁一直顯示不出來。”
正方觀點很清晰：這是人工智能在醫療領域一次實打實的落地。論文資深作者、布法羅大學神經影像分析中心主任羅伯特·齊瓦迪諾夫就直言：“在傳統的標準核磁掃描里檢測出原先看不見的皮層病灶，對多發性硬化的研究和臨床照護意義重大。我們頭一次能看到這些先前隱藏的疾病進展指標，包括認知障礙和殘疾的跡象，這是一項重要進展。”他的語氣不再是實驗室里的謹慎試探，而是一個被臨床盲點困擾多年的醫生終于拿到手電筒時的確信。
這項技術不需要額外的掃描序列，對患者不增加任何負擔。它純粹靠對既有圖像的計算來恢復信號，這就讓它具備了臨床落地的現實性。過去醫生們只能在白質病灶這個“半幅畫面”上判斷病情，多數延緩疾病進展的新藥也圍繞減少白質損傷來設計，無形中讓治療策略存在偏倚。德懷爾的話點出了這種失衡：“多發性硬化里還有大量持續發生的損傷，常規核磁根本看不到。”
但反過來說，一件事值不值得興奮，恰恰要看它解開的那個結到底有多死。幾十年來臨床醫生面對這個盲區并非坐以待斃，而是因為真的沒有可靠手段。這也是為什么齊瓦迪諾夫和德懷爾反復強調“可以看到”這件事本身的價值——它不光是一個算法精度的提升，而是把診斷豎井底部的數據打通了。過去用常規核磁評估多發性硬化，就像用黑白相機拍彩虹，你明知那里有顏色，卻只能靠灰度去猜。現在AI至少讓某些波段現了形。
需要冷靜的地方在于，這項研究展示的是方法上的突破，而非即時的臨床服務。能否讓醫生在日常工作流中直接點開一個皮層病灶熱力圖，還需要更多驗證。不過，這一步踩得很實：計算模型終于到了能夠認出那些本就在圖像里、只是人眼無法分辨的信號的程度。它不是憑空生成病灶，而是在已有數據里做提升，這保持了診斷上的可解釋性。對于已經被“眼看手不及”折磨太久的神經科醫生來說，可能沒有比這更讓他們想試試的進展了。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
