夜雨聆风
（磁共振检查脑部，网络配图）
几十年来，神经科医生一直依赖磁共振成像（MRI）来诊断和追踪多发性硬化。
多发性硬化是一种慢性自身免疫性疾病。患者自身免疫系统会攻击中枢神经系统，导致炎症、脱髓鞘以及神经损伤，由此可能出现视力模糊、肢体麻木、行走困难、平衡障碍，甚至记忆力和注意力下降等症状。全球约有300多万人受到这种疾病影响，它也是年轻成年人最常见的致残性神经系统疾病之一。
MRI 能够清楚显示脑白质中的病灶，因此长期以来，人们也习惯把多发性硬化视为一种"白质疾病"。
但越来越多研究发现，这幅图景其实并不完整。真正与患者认知下降、残疾进展密切相关的一类脑损伤，长期以来一直隐藏在 MRI 的"盲区"——灰质病灶中。
如今，人工智能终于把它们找了出来。
针对多发性硬化这种自身免疫性疾病，传统 MRI 最擅长发现的是白质病灶。医生也常常根据白质病灶的数量、大小和变化，判断疾病是否恶化，以及药物是否有效。
然而，还有另一类病灶——皮层病灶。它们位于负责思考、记忆、语言和高级认知功能的大脑皮层，也就是灰质。
过去二十多年，大量病理研究已经证实：皮层病灶与患者未来的认知功能下降、残疾程度以及疾病进展密切相关。
问题在于，医生知道它们存在，却几乎看不见。
尸检可以发现这些病灶；高分辨率科研 MRI 有时也能发现。但临床最常使用的常规 MRI，却往往无法可靠识别它们。
这意味着，多年来医生其实一直是在"信息不完整"的情况下观察这种疾病。
最近发表在 Communications Medicine 的一项研究，给这个长期存在的问题提供了一种新的解决方案。
美国纽约州立大学布法罗分校研究团队开发了一套 AI 影像分析方法，希望从普通 MRI 中找出过去看不到的皮层病灶。
与传统 AI 不同，这项技术并不是简单识别一张 MRI 图像。
研究人员开发了一种新的图像增强方法——MMCLE（Multimodal Cortical Lesion Enhancement）。它会同时分析多种不同 MRI 对比序列，把原本分散在不同图像中的微弱信号整合起来。
换句话说，每一张 MRI 单独看，都没有明显异常；但把它们放在一起，AI 就能发现隐藏其中的规律。
研究第一作者 Michael Dwyer 形容得非常形象："AI 能够比较不同 MRI 图像之间极其细微的差异。正是这些肉眼几乎无法察觉的差别，让它发现组织已经不像正常脑组织那样工作。"
AI 看到的，并不是一块明显的黑点。而是多个图像之间那些几乎察觉不到的不一致。
为了验证方法是否可靠，研究团队没有选择几十人的小样本。他们直接分析了著名 ORATORIO III 期临床试验的数据。
这是 FDA 审批多发性硬化药物 Ocrelizumab（奥瑞珠单抗） 时的重要临床研究，共纳入 700 多名患者。
结果令人吃惊。
经过 AI 分析后，平均每位患者额外发现了 15～20 个皮层病灶。
整个数据库中，AI 共识别出了超过11000 个此前几乎无法发现的病灶。
如果只看原始 MRI，这些病灶几乎完全隐藏。但经过 AI 的多模态分析后，它们逐渐"浮现"出来。
这项研究真正值得关注的，并不是 AI 帮医生"多找几个病灶"。更重要的是，它改变了一个长期存在的认知。
过去，人们一直认为MRI 没看到，就意味着没有。而现在越来越多研究开始说明，MRI 并不是没有信息，而是我们过去没有能力把这些信息读出来。
AI 的价值，不一定是创造新的数据。它更可能是在重新解读那些已经存在的数据。
也就是说，过去几十年积累的大量 MRI，可能仍然隐藏着许多尚未被发现的信息。随着 AI 的发展，这些"旧数据"很可能被重新赋予新的价值。
虽然这项研究聚焦于多发性硬化，但它的意义显然不止于此。
近年来，人工智能已经开始应用于阿尔茨海默病早期筛查；帕金森病脑影像分析；脑肿瘤自动分割；脑卒中病灶识别；脑龄预测……
这些研究共同说明一个趋势，未来 AI 的作用，可能不仅仅是帮助医生"看得更快"。更重要的是，帮助医生看见过去根本看不到的东西。
过去，人们总认为医学影像的发展依赖于更强大的 MRI、更高的磁场、更清晰的分辨率。
但 AI 正在提供另一条道路。它并没有改变 MRI 本身。真正改变的，是我们理解 MRI 的方式。
或许未来医学影像最大的突破，并不一定来自更昂贵的设备，而是来自更聪明的算法。
当一张拍摄了十年前的 MRI，都可能因为 AI 而发现过去从未注意到的异常时，我们或许正在进入医学影像和脑病治疗的一个新时代。
资料来源：SciTechDaily
撰文：脑动力一号研究员爱米粒
关注最前沿的阿尔茨海默病研究站▼
往期精选
