Новая система искусственного интеллекта способна проанализировать МРТ головного мозга за считанные секунды и сразу отметить состояния, требующие неотложной помощи — от инсульта до внутричерепного кровоизлияния.
Исследование опубликовано в журнале Nature Biomedical Engineering и, по словам авторов, может радикально изменить подход к обработке нейровизуализации в клинической практике.
«По мере роста мирового спроса на МРТ нагрузка на врачей и системы здравоохранения становится критической. Наш ИИ-модуль способен снизить эту нагрузку, ускоряя диагностику и принятие решений без потери точности», — говорит старший автор исследования Тодд Холлон, нейрохирург Мичиганского университета (University of Michigan).
Как тестировали систему Prima
Разработку назвали Prima. В течение года команда оценила её работу на более чем 30 000 МРТ-исследований мозга.
Система показала более высокую диагностическую точность, чем другие современные ИИ-модели, по более чем 50 различным неврологическим диагнозам. Важнейшая особенность — Prima не только распознаёт патологию, но и определяет приоритетность случая.
При выявлении состояний, требующих срочного вмешательства (инсульт, кровоизлияние, массивный отёк), система автоматически оповещает профильного специалиста — сосудистого невролога или нейрохирурга — сразу после завершения сканирования.
«Точность критически важна, но скорость интерпретации напрямую влияет на исход лечения», — подчёркивает Ивэй Лю, соавтор исследования, постдокторант факультета компьютерных наук Мичиганского университета (University of Michigan).
Что такое Prima и почему она отличается от других ИИ
Prima относится к классу визуально-языковых моделей (vision-language model, VLM) — систем, которые одновременно анализируют изображения, текст и контекст.
В отличие от большинства предыдущих ИИ-решений, обученных на узких наборах данных (например, только для поиска опухолей или оценки риска деменции), Prima обучалась на всех доступных МРТ, накопленных с момента цифровизации радиологических архивов клиники.
В обучение вошли:
- более 200 000 МРТ-исследований,
- 5,6 миллиона изображений,
- клинические показания к исследованию,
- медицинская история пациентов.
«Prima работает так же, как радиолог: она объединяет изображение, анамнез и клинический контекст, формируя целостное понимание состояния пациента», — объясняет соавтор Самир Хараке.
Почему это важно для здравоохранения
Во всём мире число МРТ-исследований растёт быстрее, чем доступность нейрорадиологов. Это приводит к задержкам интерпретации, перегрузке специалистов и риску ошибок — особенно в небольших или сельских больницах.
«Независимо от того, крупный ли это медицинский центр или клиника с ограниченными ресурсами, нам нужны масштабируемые решения для доступа к качественной радиологии», — отмечает Викас Гулани, заведующий кафедрой радиологии Мичиганского университета (University of Michigan).
Что дальше
Авторы подчёркивают, что технология пока находится на этапе расширенной валидации. Следующий шаг — интеграция более детальных данных электронных медицинских карт для дальнейшего повышения точности.
Холлон сравнивает Prima с «ChatGPT для медицинской визуализации» и считает, что подобный подход может быть адаптирован и для других методов — от маммографии до рентгена грудной клетки и УЗИ.
«Мы видим Prima как интеллектуального напарника врача, а не его замену», — говорит он.
Интересно, что эти данные хорошо вписываются в более широкую картину исследований, показывающих, как серьёзные заболевания могут нарушать работу мозга задолго до клинических проявлений, включая сбои внутренних биологических ритмов — процесс, который ранее был подробно описан в материале о том, как рак нарушает внутренние биологические часы мозга.
Источник
- Yiwei Lyu, Samir Harake, Asadur Chowdury, Soumyanil Banerjee, Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi, Volker Neuschmelting, Ashok Srinivasan, Dawn Kleindorfer, Brian Athey, Vikas Gulani, Aditya Pandey, Honglak Lee, Todd Hollon. Learning neuroimaging models from health system-scale data. Nature Biomedical Engineering, 2026; DOI: 10.1038/s41551-025-01608-0