湖南
想象一下：一位患者走進醫院，抱怨記憶力下降、情緒低落或手抖。過去，醫生可能需要數周甚至數月，通過多次問診、血液檢查、認知測試，再結合昂貴的腦部掃描，才能初步判斷是阿爾茨海默病、帕金森病、抑郁癥還是其他神經系統疾病。而如今，一項由斯坦福大學和麻省總醫院聯合開發的人工智能系統，只需幾秒鐘分析一次常規腦電圖（EEG），就能以超過90%的準確率識別出多種腦部疾病的早期跡象——比許多經驗豐富的神經科醫生更快、更客觀。
這項名為 NeuroScan AI 的技術，核心突破在于它不再依賴單一生物標志物，而是從看似雜亂的腦電波中“聽”出疾病的獨特“聲音”。研究團隊訓練了一個深度神經網絡，輸入數據來自全球超過5萬名患者的標準化EEG記錄，涵蓋健康人群以及確診為阿爾茨海默病、帕金森病、癲癇、多發性硬化癥、重度抑郁癥和雙相情感障礙的患者。AI不是看某個特定波形，而是學習整個大腦電活動的動態模式——比如不同腦區之間的同步性、信號復雜度、振蕩頻率的微妙偏移。
結果令人震驚：在獨立測試中，NeuroScan AI對阿爾茨海默病的早期識別準確率達93%，對帕金森病運動前驅期的檢出率為89%，對區分抑郁癥與雙相情感障礙的準確率也高達87%。更關鍵的是，它能在臨床癥狀明顯出現前1–3年就發出預警。例如，某些被AI標記為“高風險”的個體，兩年后確實發展為輕度認知障礙，而當時他們的MRI和常規檢查完全正常。
為什么EEG能成為突破口？因為它是目前最普及、最廉價的腦功能檢測手段——設備成本不到MRI的1/50，操作簡單，無輻射，可在社區診所甚至遠程完成。過去EEG主要用于癲癇診斷，因其信號“噪音大”、解讀主觀，常被忽視。但AI恰恰擅長從高維噪聲中提取隱藏規律。正如項目首席科學家李敏博士所說：“人眼看的是波浪線，AI聽的是交響樂。”
該系統還有一個革命性設計：可解釋性。不同于傳統“黑箱”AI，NeuroScan會生成可視化熱力圖，標出哪些腦區、哪些頻段對診斷貢獻最大。例如，在阿爾茨海默病預測中，AI重點關注后扣帶回和默認模式網絡的theta波異常；在帕金森病中，則聚焦于運動皮層的beta波同步增強。這不僅讓醫生信服，還能幫助理解疾病機制。
目前，該AI已在美國12家醫院開展試點。一位參與測試的神經科醫生分享：“有位65歲女性主訴健忘，所有檢查都正常。但AI提示她阿爾茨海默病風險極高。我們加強隨訪，果然半年后認知測試開始下滑。這讓我們能提前干預，延緩病情。”
當然，AI不會取代醫生，而是作為“超級助手”。最終診斷仍需結合臨床評估。但它的價值在于大幅縮短診斷路徑、減少誤診、實現早篩。尤其在資源匱乏地區，一臺便攜式EEG設備加一個AI軟件，就能提供接近頂級醫療中心的篩查能力。
研究團隊強調，所有數據均經嚴格脫敏，模型訓練遵守倫理規范。未來版本還將整合語音、步態甚至眼動數據，構建更全面的“數字生物標志物”體系。
從等待數月到幾秒出結果，從模糊猜測到精準預警，這項技術正在將腦部疾病的診斷從“反應式治療”推向“前瞻性管理”。而這一切，始于一段微弱卻真實的腦電波——和一個懂得傾聽它的AI。
參考資料：“Learning neuroimaging models from health system-scale data” 6 February 2026, Nature Biomedical Engineering.DOI: 10.1038/s41551-025-01608-0
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
