新工具可能有助于发现大学运动员看不见的脑损伤

一项针对学生运动员的新研究显示，处理磁共振成像 (MRI) 的人工智能计算机程序可以准确识别因反复头部受伤而导致的大脑结构变化。这些变化尚未被其他传统医学图像(例如计算机断层扫描 (CT) 扫描)捕获。研究人员表示，这项新技术可能有助于设计新的诊断工具，以更好地了解随着时间的推移而积累的微妙脑损伤。

专家们早就知道年轻运动员存在脑震荡的潜在风险，尤其是那些从事橄榄球、曲棍球和足球等高接触运动的运动员。现在越来越多的证据表明，重复的头部撞击，即使一开始看起来很轻微，可能会在多年后累积起来并导致认知能力丧失。虽然先进的核磁共振成像可以识别头部创伤导致的大脑结构的微观变化，但研究人员表示，扫描产生的大量数据难以导航。

由纽约大学格罗斯曼医学院放射学系的研究人员领导的这项新研究首次表明，新工具使用一种称为机器学习的人工智能技术，可以准确地区分参加接触性运动的男性运动员的大脑，例如足球与田径等非接触性运动。研究结果将反复头部撞击与未被诊断为脑震荡的接触运动运动员大脑中微小的结构变化联系起来。

该研究的资深作者、神经放射学家Yvonne Lui医学博士说：“我们的研究结果揭示了参加接触性运动的运动员与参加非接触性运动的运动员的大脑之间存在显着差异。” “由于我们预计这些群体具有相似的大脑结构，因此这些结果表明选择一项运动而不是另一项运动可能存在风险，”纽约大学朗格健康中心放射学系教授兼研究副主席 Lui 补充道。

Lui 补充说，除了发现潜在的损害之外，他们调查中使用的机器学习技术还可以帮助专家更好地了解脑损伤背后的潜在机制。

这项新研究于5 月 22 日在线发表在《神经放射学杂志》上，涉及 36 名接触性运动大学运动员(主要是橄榄球运动员)和 45 名非接触性运动大学运动员(主要是跑步者和棒球运动员)的数百张大脑图像。这项工作的目的是明确将人工智能工具在足球运动员脑部扫描中检测到的变化与头部撞击联系起来。它建立在之前的一项研究的基础上，该研究确定了足球运动员大脑结构的差异，将有和没有脑震荡的运动员与参加非接触性运动的运动员进行比较。

在这项调查中，研究人员分析了 2016 年至 2018 年期间拍摄的 81 名男性运动员的 MRI 扫描结果，在此期间没有人被诊断为脑震荡。接触性运动运动员参加橄榄球、长曲棍球和足球，而非接触性运动运动员则参加棒球、篮球、田径和越野赛。

作为分析的一部分，研究小组设计了统计技术，使他们的计算机程序能够“学习”如何使用数学模型预测重复头部撞击的情况。这些都是基于输入的数据示例，随着训练数据量的增加，程序变得“更智能”。

研究小组训练该程序来识别脑组织中的异常特征，并根据这些因素区分是否反复遭受头部损伤的运动员。他们还对每个功能在检测损伤方面的有用程度进行了排名，以帮助发现众多 MRI 指标中的哪一个可能对诊断贡献最大。

作者说，有两个指标最准确地标记了头部受伤导致的结构变化。第一个是平均扩散率，测量水穿过脑组织的难易程度，通常用于在 MRI 扫描中发现中风。第二个是平均峰度，它检查脑组织结构的复杂性，可以表明大脑中涉及学习、记忆和情绪的部分的变化。

“我们的研究结果凸显了人工智能的力量，可以帮助我们看到以前看不到的东西，特别是传统 MRI 扫描中看不到的‘隐形损伤’，”该研究的主要作者、理学硕士、博士研究生 Junbo Chen说。纽约大学坦登工程学院。“这种方法不仅可以为脑震荡提供重要的诊断工具，还可以检测由于更微妙和更频繁的头部撞击而造成的损伤。”

陈补充说，研究小组下一步计划探索使用机器学习技术来检查女运动员的头部损伤。