从医疗系统规模数据中学习神经影像模型
计算机视觉与模式识别
2025-12-17 v2 人工智能
摘要
神经影像是评估神经疾病患者的一项无处不在的工具。全球对磁共振成像（MRI）检查的需求稳步上升，给医疗系统带来了巨大压力，延长了周转时间，并加剧了医生的倦怠。这些挑战对低资源和农村环境中的患者影响尤为严重。在此，我们利用一个大型学术医疗系统作为数据引擎，开发了 Prima，这是首个作为神经影像 AI 基础的视觉语言模型（VLM），支持将真实世界的临床 MRI 检查作为输入。Prima 在超过 220,000 项 MRI 检查上训练，使用分层视觉架构提供通用且可迁移的 MRI 特征。Prima 在一项包含 30K 项 MRI 检查的为期 1 年的全医疗系统研究中进行了测试。在涵盖主要神经疾病（包括肿瘤性、炎症性、感染性和发育性病变）的 52 项放射学诊断中，Prima 实现了 92.0 的平均诊断 ROC 曲线下面积，优于其他 SOTA 通用和医学 AI 模型。Prima 跨越不同患者人口统计学特征和 MRI 系统，提供可解释的鉴别诊断、放射科医生的工作列表优先级排序以及临床转诊建议。Prima 展现了跨敏感群体的算法公平性，可帮助缓解医疗系统偏差，例如低资源人群的周转时间延长问题。这些发现突显了医疗系统规模 VLM 的变革潜力以及 Prima 在推进 AI 驱动医疗保健方面的作用。
引用
@article{arxiv.2509.18638,
title = {Learning neuroimaging models from health system-scale data},
author = {Yiwei Lyu and Samir Harake and Asadur Chowdury and Soumyanil Banerjee and Rachel Gologorsky and Shixuan Liu and Anna-Katharina Meissner and Akshay Rao and Chenhui Zhao and Akhil Kondepudi and Cheng Jiang and Xinhai Hou and Rushikesh S. Joshi and Volker Neuschmelting and Ashok Srinivasan and Dawn Kleindorfer and Brian Athey and Vikas Gulani and Aditya Pandey and Honglak Lee and Todd Hollon},
journal= {arXiv preprint arXiv:2509.18638},
year = {2025}
}