生物医学工程与影像科学学院的研究人员开发了一种新的机器学习工具，可以分析大脑 MRI 并预测大脑与其他人群相比的年龄。本质上是一种筛查工具，它使用常规临床扫描自动实时检测年龄较大的大脑。

发表在Neuroimage上的研究表明，作为自然过程的一部分，大脑会随着年龄的增长而失去体积，只要体积损失适合患者的年龄，新工具就会预测患者的正确年龄。

但是，如果患者的大脑患病并且失去了不成比例的容量，例如痴呆症，该工具将显示实际年龄与预测年龄之间的不匹配，从而提醒临床医生注意这一重要差异并标记大脑年龄不正常。

“我们已经证明，如果该中心有幸拥有专家，通过自动化该过程，可以缩小从扫描点到专家评审的差距。”

使用基于深度学习的神经放射学报告分类器，研究人员使用预- 现有的神经放射学报告。

然后使用一种不寻常的方法，即扫描的计算预处理很少，他们将另一种深度学习图像算法应用于正常扫描的大型数据集。

进一步的实验使用了来自第三个研究所的各种正常扫描类型以及开源数据集。

他们的最终模型使用具有不成比例的脑容量损失的扫描进行了测试，然后通过构建模型预测存在不成比例的脑容量损失的扫描部分的热图来仔细检查他们的模型发现。

第一作者、生物医学工程和成像科学学院的研究员 David Wood 博士说，这项研究的一个关键方面是使用一个大型的、具有临床代表性的数据集进行模型训练。

研究人员表示，该框架可能对患者护理、药物开发和优化 MRI 数据收集产生重要影响。

布斯博士说：“目前，在报告时扫描后的某个时间检测到出现异常的较老的大脑。最准确的报告将出现在有神经放射科医师的中心，但很少有中心有神经放射科医师。”

“实时自动检测体积损失有助于在出于各种原因获得的扫描期间筛查神经退行性变的常见问题。随后的诊断，例如早期阿尔茨海默病，可能会通过实施早期医疗和社会干预来改善患者护理。同样，患者可能会在早期阶段被招募到药物试验中。”

Booth 博士说，该框架还可用于利用现有大型医院数据库的丰富资源，为脑年龄以外的医学图像分析工具(如异常检测)的培训、测试和临床验证提供强大的新资源。