AI工具可以帮助现货“隐形”大学生运动员的脑损伤

一个n人工智能(AI)计算机程序流程MRI结果可以准确地识别大脑结构的变化,造成重复头部受伤,学生运动员的一项新研究显示。这些变化还没有被其他传统医学图像如CT扫描。新技术,研究人员说,可能有助于设计新的诊断工具,以更好地了解微妙的脑损伤,随着时间的积累。

专家们早就知道潜在的风险脑震荡在年轻运动员,特别是对于那些玩高接触体育运动如足球、曲棍球和足球。现在越来越多的证据可以证明,重复的影响,即使他们起初显得温和,多年加起来,可能导致认知的损失。而先进的核磁共振确定微观头部外伤而导致的大脑结构的变化,研究人员说,扫描生成大量的数据,难以驾驭。

为首的研究人员美国放射学格罗斯曼在纽约大学医学院的这项新研究首次显示,新工具,使用人工智能机器学习技术,可以准确区分男性运动员的大脑发挥接触体育喜欢足球和无触点体育喜欢田径。结果与重复头影响微小,结构变化身体接触项目运动员的大脑中没有了脑震荡诊断。

“我们的研究结果发现有意义的差异运动员进行接触运动的大脑相比,那些在非接触体育竞争,”研究的资深作者和neuroradiologist说伊冯·w·卢伊。“因为我们希望这些组织有相似的大脑结构,这些结果表明,在选择一个运动可能会有风险,”文森特博士补充道,教授和副主席在美国放射学研究。

他博士补充说,除了发现潜在的损害,在调查中所使用的机器学习技术也可以帮助专家更好地了解脑损伤背后的潜在机制。

的新研究5月22日在网上发表神经放射学杂志从36身体接触的运动,涉及数以百计的大脑图像大学生运动员(主要是足球运动员)和45 noncontact-sport大学生运动员(主要是跑步者和棒球运动员)。工作是为了清楚地链接变化检测到人工智能工具在足球运动员的大脑扫描头的影响。它建立在之前的研究发现在足球运动员大脑结构的差异,对比那些有或没有脑震荡运动员参加非接触运动。

的调查,研究人员分析了核磁共振扫描从2016年到2018年之间的81男运动员,没有一个人有一个已知的诊断脑震荡在那个时期。身体接触项目运动员踢足球、曲棍球和足球,而noncontact-sport运动员参加了棒球,篮球,田径,越野。

作为他们的分析的一部分,研究小组设计了统计技术,把他们的计算机程序能够“学习”如何使用数学模型预测重复接触头的影响。这些是基于数据的例子输入,与程序变得“聪明”的训练数据量增长。

研究团队训练计划来识别不同寻常的特性在脑组织和区分运动员,没有基于这些因素反复接触头部受伤。他们还排名是多么有用的每个特性检测损伤有助于发现MRI的指标可能最有助于诊断。

最准确地度量两个标记结构变化,导致头部受伤,作者说。第一,平均扩散系数,测量水的难易程度可以通过脑组织和通常用于MRI扫描发现中风。第二,意味着峰度,探讨脑组织结构的复杂性,可以表明大脑的变化部分参与学习,记忆,和情绪。

“我们的结果强调人工智能的力量来帮助我们看到以前看不到的东西,特别是无形的伤害,不出现在常规MRI扫描,”研究报告的主要作者说Junbo陈女士,在纽约大学博士生经脉工程学院。“这种方法可能会提供一个重要的诊断工具不仅为脑震荡,而且对检测造成的破坏,源于微妙和更频繁的影响。”

陈补充说,研究小组下一步计划探讨使用机器学习技术检查头部受伤的女运动员。

参考:Fernandez-Chacon M, Muhleder年代,Regano, et al .转录和血管病理生理学细胞之间的不协调状态。Nat Cardiovasc Res。2023:1-20。doi: 10.1038 / s44161 - 023 - 00272 - 4

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。