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可以快速處理大量復雜數(shù)據(jù)。結果，諸如機器學習，計算機視覺和神經網絡之類的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。他們的搜索產生了2，696個結果，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。”“特別是近年來，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構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?！薄把芯咳藛T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