Yandex 开发出了世界上第一个用于评估婴儿大脑发育的人工智能解决方案。
所提出的解决方案可以分析 MRI 扫描,并能以超过 90% 的准确率区分灰色和白色脑物质。
它将评估时间从几天缩短到几分钟,从而能够更早地发现患有脑瘫和其他中枢神经系统疾病的婴儿并制定更有效的康复计划。
它在 GitHub 上免费提供,可供世界各地的医疗保健和临床研究机构使用。

Yandex B2B Tech 与 Yandex 数据分析学院和圣彼得堡国立儿科医学院合作,开发了全球首个用于评估 12 个月以下婴儿大脑发育的人工智能解决方案。该神经网络可自动执行 MRI 分析,将处理时间从几天缩短至几分钟。该解决方案旨在作为疑似脑瘫和其他中枢神经系统疾病的决策支持工具,帮助医生制定有效的康复策略。
「脑瘫的全球挑战」
脑瘫是全球儿童残疾的主要原因之一。据世界卫生组织(WHO)统计,每1000名活产婴儿中约有2-3名患有脑瘫。
早期诊断对于改善预后和确保有效康复至关重要。然而,在出生后12个月内发现脑瘫仍然是现代医学中最困难的任务之一。婴儿的大脑发育速度惊人,而传统的核磁共振扫描由于灰质和白质(构成大脑皮层并支持高级脑功能的组织)之间的对比度较低,难以解读。
MRI 检查通常需要 20 到 40 分钟,但解读图像并准备报告可能需要经验丰富的放射科医生花费数小时甚至数天的时间。对于纵向监测,由于临床医生可能需要查看大量的后续扫描数据,工作量和周转时间会大幅增加。
「利用神经网络解决挑战」
研究人员此前曾探索过利用人工智能来应对这一挑战,通常是通过机器学习竞赛。一个值得注意的例子是2019年的MICCAI Grand Challenge,该挑战赛邀请参赛者使用iSeg-2019数据集对六个月以下婴儿的大脑MRI扫描图像进行分割。
这项竞赛吸引了来自世界各地的开发者,但也暴露出一个重大障碍:缺乏带注释的数据。尤其是分割掩模(用于训练临床AI模型所必需的灰质和白质轮廓)非常稀缺。iSeg-2019数据集仅包含15张带注释的图像,而该大学的档案库包含1500名患者的MRI扫描图像,但没有任何注释。
为了弥补这一差距,Yandex 的研究人员与医学专家合作,创建了新的注释,设计了专用的神经网络架构,并进行了一系列机器学习实验。最终的模型在内部评估数据上区分婴儿大脑灰质和白质的准确率超过 90%,展现了其临床应用的潜力。
Yandex俄罗斯搜索引擎 云技术与社会中心负责人Anna Lemyakina表示:我们的目标是让医生能够使用最先进的 Yandex 技术,帮助他们及时准确地做出诊断,选择最佳治疗方案,并开发新药。尽管目前市面上有许多商业放射学解决方案,但此前没有一个能够分析新生儿的 MRI 扫描图像。该项目的主要挑战是数据集有限。通过与医学专家的密切合作,我们创建了一个工具,使放射科医生能够在相同的时间内检查更多患者,并快速推荐最需要的治疗方案。
「实际好处和优势」
由于代码开源且免费使用,该解决方案可供全球医疗机构采用,有助于推动全球早期脑瘫诊断实践。将此工具集成到临床工作流程中可以:
提高准确性和客观性。该模型的准确率超过 90%,能够突出显示婴儿大脑的轮廓并量化其灰质与白质的比例。
加速诊断。MRI分析时间从几天缩短到几分钟,这对于及时治疗至关重要,尤其在纵向监测中具有重要意义,因为在纵向监测中可能需要审查数百或数千张扫描结果。
提高临床诊疗效率。常规扫描分割的自动化使放射科医生能够专注于复杂病例并指导患者护理。
该工具还可以充当助手,帮助经验不足的专家解释通常难以分析的婴儿脑部扫描。
「可用性」
该AI神经网络代码可 在 GitHub 上获取,并可集成到现有的医疗 IT 系统中。
原文链接:Open-Source AI Tool by Yandex Detects Signs of Infant Cerebral Palsy With Over 90% Accuracy