一項涉及學生運動員的新研究顯示，善於處理磁共振成像（MRI）的人工智能計算機程序可以成功地檢測出因頭部反复受傷而導致的大腦結構變化。以前，計算機斷層掃描（CT）等傳統醫學成像方法無法檢測到這種變化。據研究人員稱，這項突破性技術有助於開發新的診斷工具，以更好地了解隨著時間推移而累積的細微腦損傷。

專家們早就知道年輕運動員，尤其是那些從事足球、曲棍球和橄欖球等高接觸性運動的運動員有腦震蕩的潛在風險。現在越來越多的證據表明，反复的頭部撞擊，即使最初看起來很輕微，也可能在多年後累積起來，導致認知能力喪失。雖然先進的核磁共振成像技術可以識別頭部創傷導致的大腦結構的微觀變化，但研究人員表示，掃描產生的大量數據難以瀏覽。

在紐約大學格羅斯曼醫學院放射學系研究人員的領導下，這項新研究首次表明，新工具利用一種名為機器學習的人工智能技術，可以準確區分從事足球等接觸性運動和田徑等非接觸性運動的男性運動員的大腦。研究結果表明，反复的頭部撞擊與未被診斷為腦震蕩的接觸性運動運動員大腦中微小的結構變化有關。

“我們的研究結果揭示了接觸性運動運動員的大腦與非接觸性運動運動員的大腦之間存在的有意義的差異，”該研究的資深作者、神經放射學家呂玉芳（Yvonne Lui）醫學博士說。”紐約大學朗貢醫療中心放射學系教授兼研究副主任Lui 補充說：”由於我們預計這些群體的大腦結構相似，這些結果表明，選擇一種運動可能比選擇另一種運動有風險。”

Lui 補充說，除了發現潛在的損傷外，他們在調查中使用的機器學習技術還可以幫助專家們更好地了解腦損傷背後的潛在機制。

這項新研究最近發表在《神經放射學雜誌》（The Neuroradiology Journal）上，涉及36 名接觸性運動大學運動員（主要是橄欖球運動員）和45 名非接觸性運動大學運動員（主要是跑步運動員和棒球運動員）的數百張大腦圖像。這項工作旨在將人工智能工具在足球運動員大腦掃描中檢測到的變化與頭部撞擊明確聯繫起來。此前的一項研究發現了足球運動員大腦結構的差異，並將有腦震盪和沒有腦震蕩的運動員與參加非接觸式運動的運動員進行了比較。

在調查中，研究人員分析了2016年至2018年期間拍攝的81名男性運動員的核磁共振成像掃描結果，這些運動員在此期間均未確診腦震盪。接觸性運動的運動員參加了橄欖球、長曲棍球和足球，而非接觸性運動的運動員則參加了棒球、籃球、田徑和越野賽。

作為分析工作的一部分，研究小組設計了統計技術，使他們的計算機程序能夠”學習”如何利用數學模型預測重複頭部撞擊的風險。這些模型以輸入的數據實例為基礎，隨著訓練數據量的增加，程序也會變得越來越”聰明”。

研究小組訓練該程序識別腦組織中的異常特徵，並根據這些因素區分反复受到頭部傷害的運動員和沒有受到頭部傷害的運動員。他們還對每個特徵對檢測損傷的有用程度進行了排名，以幫助發現在眾多核磁共振成像指標中哪些指標可能對診斷最有幫助。

作者說，有兩個指標能最準確地標記出頭部損傷導致的結構變化。第一個指標是平均彌散度，用於測量水在腦組織中移動的難易程度，通常用於在核磁共振成像掃描中發現中風。第二種是峰度均值，它能檢測腦組織結構的複雜性，並能顯示大腦中與學習、記憶和情緒有關的部分發生的變化。

研究第一作者、紐約大學坦登工程學院博士生陳俊波（Junbo Chen）說：”我們的研究結果凸顯了人工智能的力量，它能幫助我們看到以前看不到的東西，尤其是傳統核磁共振掃描中無法顯示的’隱形損傷’。這種方法不僅可以為腦震盪提供重要的診斷工具，還可以檢測更微小、更頻繁的頭部撞擊造成的損傷。”

陳補充說，研究小組下一步計劃探索將他們的機器學習技術用於檢查女運動員的頭部損傷。