使用深度学习对序列 MRI 自动检测新脑梗死及其预后意义

微小隐匿性中风为何重要

许多中风会留下明显症状，但另一些则悄无声息地在大脑中留下瘢痕，没人察觉。这些“无症状”损伤仅在 MRI 扫描上显现，但它们可能预示着未来严重问题。本文研究探讨人工智能（AI）能否在常规影像中可靠地发现这些隐匿性脑损伤，以及这些 AI 发现是否能提醒医生哪些患者更可能在未来发生明显的中风。

医生常常漏掉的隐匿损伤

中风后，医生常会安排重复 MRI 以跟踪恢复并监测新损伤。解读这些影像既繁复又费时：专家需要在新旧影像间逐片对比，逐层查找那些提示新损伤的细小高亮斑点。许多新出现的病灶并无明显症状，尤其是在病灶很小或大脑已有许多既往改变时，极易被忽视。然而大型人群研究显示，此类“无症状”梗死在老年人中很常见，并与以后的中风和认知问题相关。缺乏一种快速、一致的检测方法限制了其在临床日常工作中的应用。

教计算机比较脑部影像

研究人员构建了一个深度学习模型——一种擅长图像识别的 AI——来模拟人类专家随时间比较两次脑部影像的方式。他们收集了来自韩国两家医院一千多名中风患者的配对 MRI 影像。对每位患者，研究者将基线与随访影像进行配准并提取对应的切片。卒中神经科医师随后将超过 25,000 对切片标注为“变化”（出现新病灶）或“未变化”。基于这些专家标注的样本，AI 学会识别两次扫描间提示新损伤的微妙差异，同时忽略背景噪声和既往瘢痕。

AI 在识别新脑损伤方面的表现如何

在对来自原始医院和另一家独立医院的患者进行测试时，AI 系统表现强劲。在单张影像切片水平上，它几乎有九次中能正确区分新病灶与无变化。将判断汇总到整个人员水平时，表现仍然很高且在两家医院间相似，提示其具备良好的泛化能力。热力图可视化显示，AI 的注意力集中在与人类专家标注为新梗死的相同脑区，并倾向于忽略既往异常。这让研究者放心，模型并非仅凭猜测，而是聚焦于具有临床意义的影像特征。

能预测未来中风的无症状发现

研究人员接着提出一个关键问题：AI 发现的这些无症状病灶对患者的未来是否具有实际意义？他们随访了 307 名在随访影像时感觉稳定、无新神经学症状的人。AI 将约六成者标记为至少存在一个新的无症状梗死。在大约两年的随访期内，AI 标记为有病灶的患者较未被标记者发生后来出现症状性中风的比率显著更高。即使在调整年龄、糖尿病和心房颤动等因素后，AI 发现无症状梗死的患者再次发生中风的风险仍接近四倍。这表明计算机发现了常规临床评估可能忽视的隐匿预警信号。

这对患者护理可能意味着什么

这项研究表明，AI 系统能够可靠地在序列 MRI 上检测到新出现且常被忽视的脑损伤，并且其发现对中风风险具有真实的临床后果。该工具并非取代医生，而是作为一名不知疲倦的助手，扫描成千上万张影像并标出值得更密切关注的可疑变化。如果未来的前瞻性研究得到证实，这类自动化检测有望成为标准化的成像标志，帮助医生决定谁需要更积极的预防措施——例如更严格的血压控制、更合适的抗凝或抗血小板治疗，或更频繁的随访——从而降低无症状损伤演变为毁灭性中风的风险。

引用: Cho, Hh., Lee, J., Bae, J. et al. Automated detection of new cerebral infarctions and prognostic implications using deep learning on serial MRI. npj Digit. Med. 9, 316 (2026). https://doi.org/10.1038/s41746-026-02511-x

关键词: 无症状脑梗死, 卒中风险, 脑部 MRI, 深度学习, 医学影像人工智能