科技日報記者 張夢然
美國麻省理工學院、哈佛大學及麻省總醫院的科研團隊開發出一款人工智能（AI）軟件，能夠利用算法自動解析腦干中以往難以清晰成像的白質神經束。這一成果打開了研究腦干的新窗口，也為研究神經系統疾病與腦損傷提供了新工具。該研究發表于《美國國家科學院院刊》。
該軟件名為“腦干束工具”（BSBT），基于擴散磁共振成像數據，利用卷積神經網絡自動識別并分割出腦干中8個不同的白質神經束。此前，由于腦干區域結構復雜、易受生理運動及腦脊液干擾，傳統成像技術難以實現對其神經束的精細刻畫。
研究團隊首先利用人類連接組計劃的30例高分辨率影像數據對算法進行訓練，并通過尸檢解剖結果驗證其分割準確性。測試表明，BSBT在不同時間點對同一受試者的掃描結果中表現出高度一致性，且適用于多類影像數據集。
在應用層面，團隊將BSBT用于分析阿爾茨海默病、帕金森病、多發性硬化癥及創傷性腦損傷患者的腦干影像。結果顯示，不同疾病在腦干神經束的體積和各向異性分數等指標上呈現具有鑒別意義的改變模式。例如，帕金森病患者在部分神經束中表現出結構完整性下降，而多發性硬化癥患者則在多個神經束中同時出現體積減小和結構指標降低。
此外，BSBT在一名長期昏迷的腦外傷患者連續7個月的跟蹤掃描中，清晰呈現出病灶逐步縮小、神經束逐漸恢復原位的過程，顯示出其在評估神經修復與預后方面的潛在價值。
相關算法已公開發布，可供科研與臨床使用。團隊表示，這一工具不僅有助于深化理解腦干在意識、呼吸、心跳等關鍵功能中所起的作用，也為神經系統疾病的早期診斷與跟蹤提供了影像學領域的全新生物標志物。
總編輯圈點
本文的成果相當于給醫生和科學家配了一副超級顯微鏡，能清晰看到大腦最核心區域——腦干的內部線路連接。過去，腦干因為位置深、體積小、跳動多，拍片子時總是看不清內部的“電線”。現在，借助這個工具，能自動畫出腦干里的8條主要神經通路，等同于給復雜的線路圖做了高清標注。它的實際用處也很直接，譬如幫助識別疾病、跟蹤康復情況，一旦線路變細、信號變弱，就可以為早期診斷提供新線索。簡單來說，它把過去“看不清”的腦干變成了能測量、能比較的清晰“圖紙”，對于理解昏迷、呼吸調控等生命核心功能，以及開發相關疾病的診斷方法，都具有切實的應用價值。
