人工智能因其解決人類無法解決的問題的能力而倍受贊譽，這要歸功于新穎的計算架構(gòu)可以快速處理大量復雜數(shù)據(jù)。結(jié)果，諸如機器學習，計算機視覺和神經(jīng)網(wǎng)絡之類的AI方法被應用于科學和社會中一些最困難的問題。

一個棘手的問題是腦疾病的診斷，外科治療和監(jiān)測?？捎糜谔幚砟X部疾病的AI技術的范圍正在迅速增長，并且隨著計算機科學家對高級算法功能的更深入了解，令人興奮的新方法正在應用于腦部問題。

在本周由AIP Publishing在APL Bioengineering上發(fā)表的一篇論文中，意大利研究人員進行了系統(tǒng)的文獻綜述，以了解將AI用于腦部疾病的最新技術。他們的搜索產(chǎn)生了2，696個結(jié)果，他們將注意力集中在154個被引用最多的論文上，并進行了仔細研究。

他們的定性評估為AI開發(fā)的最有趣的方面提供了啟示。例如，為了對抗疾病隨時間的發(fā)展，使用了一個生成對抗網(wǎng)絡來合成一個衰老的大腦。

作者：愛麗絲·塞加托（Alice Segato）說：“人工智能技術的使用正在逐步為各種與大腦有關的現(xiàn)實世界中的臨床問題帶來有效的理論解決方案?！薄疤貏e是近年來，由于相關數(shù)據(jù)的積累和日趨有效的算法的發(fā)展，有可能顯著增加對復雜腦機制的理解?！?/p>

作者的分析涵蓋了8種腦部護理范例，研究了用于處理有關腦部結(jié)構(gòu)和連通性特征的信息以及評估手術候選資格的AI方法，確定問題區(qū)域，預測疾病軌跡以及術中協(xié)助?？梢允褂糜嬎銠C視覺AI技術分析用于研究腦部疾病的圖像數(shù)據(jù)，包括3D數(shù)據(jù)，例如磁共振成像，彌散張量成像，正電子發(fā)射斷層掃描和計算機斷層掃描成像。

但是作者敦促謹慎行事，指出“可解釋算法”的重要性，因為路徑必須清楚地描述解決方案，而不是“黑匣子”，這是指AI可以達到準確的解決方案，但依賴于很少被人理解或理解的內(nèi)部工作原理無形。

塞加托說：“如果人類要接受算法處方或診斷，就必須信任它們。”“研究人員的努力正在導致創(chuàng)建越來越復雜和可解釋的算法，這可能有助于在實際臨床環(huán)境中更廣泛地使用‘智能’技術?！?/p>

責任編輯：lq