新型AI模型可通过MRI扫描预测大脑年龄和痴呆症风险 麻省总医院布莱根医疗集团研究人员推出了BrainIAC，这是一个基于近48519张脑部MRI影像训练的AI基础模型，可预测痴呆症风险、大脑年龄和癌症存活率。该工具采用自监督学习来分析未标注数据，无需传统AI系统所依赖的大量标注数据集。 BrainIAC是一个专为脑部MRI影像设计的自监督学习（Self-Supervised Learning, SSL）基础模型，旨在从无标签或少标签的脑MRI数据中提取通用表征。该模型无需大量标注数据即可适应多种下游临床任务，特别适用于真实世界医疗场景中标注数据稀缺的情况。通过自监督对比学习（contrastive learning）预训练，模型能从无监督数据中学习脑部结构的通用特征，并在少量微调（fine-tuning）后显著优于从零训练（scratch）模型或其他预训练模型（如MedicalNet），尤其在低数据量和高难度任务中表现突出。 BrainIAC可从常规脑MRI中提取多种神经健康指标，包括： • 大脑年龄（Brain Age）预测：估计个体大脑的生物年龄，与实际年龄偏差可用于评估衰老或神经退行性风险。 • 痴呆症风险预测（Dementia Risk，包括阿尔茨海默病等）：模型能识别早期神经退行性变化信号，帮助提前预警。 • 脑肿瘤突变检测（如IDH突变分类）：用于胶质瘤等脑癌的分子亚型鉴定。 • 脑癌存活率预测（Overall Survival Prediction，特别是胶质母细胞瘤GBM的1年存活率）：通过分析肿瘤特征提供预后评估。 • 其他任务：MRI序列分类、脑卒中后时间预测、轻度认知障碍（MCI）分类等。 这些任务覆盖从简单分类到复杂生存分析，模型在分布内（in-distribution）和分布外（out-of-distribution）测试中均表现出色。 研究机构：Mass General Brigham的人工智能医学（AIM）项目，合作单位包括Dana-Farber癌症研究所、哈佛医学院、Boston Children’s Hospital等。通讯作者为Benjamin H. Kann博士（辐射肿瘤学副教授）。 发表平台：2026年2月5日，研究成果正式发表于《Nature Neuroscience》（论文标题：A foundation model for generalized brain MRI analysis）。此前于2024年12月在medRxiv预印本发布。 开源与演示：GitHub仓库（AIM-KannLab/BrainIAC）提供代码和快速启动指南。研究团队还上线了BrainIAC平台（brainiac-platform.com），支持上传结构化脑MRI数据进行推理演示，包括脑龄、痴呆分类等下游模型。 BrainIAC的推出标志着脑影像AI从特定任务模型向通用基础模型的转变。它能加速生物标志物发现、提升诊断工具准确性，并推动AI在临床实践中的快速采用，尤其适用于标注昂贵或数据稀缺的神经疾病领域。研究强调，该模型在真实临床数据集上的泛化能力强，有望减少对高质量标注数据的依赖。 ai老年人 AI癌症研究 AI医疗大脑 ai检测癌症 AI疾病预测 脑卒中模型 痴呆风险评估
