人工智能在神经影像学中的应用：多中心性能、临床结局与伦理考量

《Clinical Neuroimaging》：Artificial Intelligence in Neuroimaging: Multicenter Performance, Clinical Outcomes, and Ethical Considerations

　　

背景：人工智能（Artificial Intelligence, AI）和机器学习（Machine Learning, ML）已彻底改变了神经影像学领域，为诊断准确性、工作流程优化和预测建模提供了全新工具。深度学习架构的最新进展，包括卷积神经网络（Convolutional Neural Networks, CNNs）、U-Net变体及基础模型（Foundation Models），在病灶检测、分割和预后判断方面取得了显著性能。然而，多中心验证、伦理治理和公平泛化性方面的挑战仍是广泛临床采纳的主要障碍。 方法：研究人员通过PubMed和Google Scholar（2015–2025年）开展了一项针对性叙述性综述。研究依据其对多中心数据、跨机构外部验证或联邦学习（Federated Learning, FL）框架的侧重进行选择性纳入，以优先获取跨机构泛化性的证据，而非对所有AI应用进行详尽编目。 结果：AI算法在多种影像模态中展现出较高的诊断准确性，基于CNN的模型在脑肿瘤分割中Dice相似系数（Dice Similarity Coefficient, DSC）达到0.79–0.90，在颅内出血检测中曲线下面积（Area Under the Curve, AUC）值超过0.98。联邦学习方法在不损害数据隐私的前提下改善了模型泛化性。然而，数据异质性、可解释性有限以及缺乏标准化验证框架等问题仍然存在。 伦理考量：主要伦理挑战涉及数据隐私、算法偏见以及偶然发现的处置。现行监管框架（包括通用数据保护条例（General Data Protection Regulation, GDPR）和健康保险携带与责任法案（Health Insurance Portability and Accountability Act, HIPAA））未能充分应对AI特有的问题，亟需制定适应性、透明且全球协调一致的治理体系。 结论：AI在神经影像学中具有提升诊断精度和临床效率的巨大潜力。为充分发挥其全部价值，多中心协作、可解释人工智能（Explainable AI, XAI）和强有力的伦理监督对于确保其公平、可信地融入临床实践至关重要。

论文主体内容总结

1 引言

人工智能正在迅速改变医学多个领域，尤其在神经外科和神经影像学中，诊断精度至关重要。近年来，卷积神经网络（Convolutional Neural Networks, CNNs）和自配置nnU-Net框架等自学习模型已被广泛采用，在识别神经系统异常方面展现出卓越性能。最近，Transformer架构和基础模型——在大规模和异质性数据集上预训练的大规模算法——已成为分析复杂神经影像数据的有力工具。然而，一个关键挑战在于确保AI模型在不同医院、扫描仪和患者群体间保持一致的性能，这一问题常被称为“域偏移”（Domain Shift），可能显著降低模型在原始训练环境之外应用时的准确性。多中心研究通过利用多个中心和协议收集的数据验证AI系统，从而改善泛化性和临床可靠性。联邦学习（Federated Learning, FL）使各机构能够在无需交换患者数据的情况下协作训练AI算法，在保护隐私的同时增强模型稳健性。尽管如此，这些技术必须在严格的监管和伦理框架内运行，因为大规模影像数据集若保护不当仍面临滥用或泄露风险。

2 方法学

研究人员通过PubMed和Google Scholar（2015–2025年）开展了一项针对性叙述性综述，旨在识别以多中心验证为重点的AI神经影像学研究。鉴于该领域的快速扩展和异质性，本综述优先纳入展示跨机构泛化性的研究，而非对所有AI应用进行详尽编目。研究基于预先定义的标准进行选择性纳入，重点关注多中心数据使用、跨机构外部验证或联邦学习（FL）框架。检索采用布尔运算符结合受控词汇和自由文本术语，使用了三组检索式。共36篇论文符合纳入标准，包括8项原始研究、19篇叙述性综述、4篇系统综述、3篇政策概念论文、1篇方法学研究和1篇数据集论文。排除标准包括：非英文发表的研究、不涉及AI在神经影像学中应用的研究、缺乏充分方法学或结果信息的会议摘要，以及缺乏实证或系统证据的观点文章、评论或社论。

3 结果

3.1 神经放射学中的当前AI算法

神经影像学是一个快速发展的领域，采用MRI和CT等非侵入性模态来可视化和研究人脑的结构与功能。过去十年中，技术和计算进步已改变了这一学科，提高了诊断工作流程的精度、速度和可重复性。AI已成为现代神经放射学的基石，为图像解读、疾病检测和预后判断提供了新方法。

3.2 经典与深度学习（Deep Learning, DL）方法

经典机器学习（classical Machine Learning, cML）是AI的早期形式，算法从结构化数据中识别模式并通过迭代训练调整参数。三种主要学习范式包括监督学习、无监督学习和半监督学习。在cML基础上，DL利用多层人工神经网络学习图像的分层特征。其中，CNN是处理神经影像数据的主导架构。基于CNN的框架如U-Net及其优化变体nnU-Net在病灶分割和脑肿瘤勾画方面已达到最先进性能。U-Net架构整合了编码器—解码器结构，提取关键图像特征并重建相应大小的分割图，而nnU-Net能自主适应数据集特定特征进行配置优化，在多模态MRI分析中产生更优的分割精度。

3.3 联邦与多中心学习框架

传统DL模型的主要局限在于依赖集中式数据集，这引发隐私担忧并限制了数据多样性。FL作为一种范式，允许多个机构在不交换原始患者数据的情况下协作训练共享模型。模型参数在中心进行聚合后重新分发给各站点进行迭代优化。FL可实施为水平（同质）学习——不同站点的数据集共享相同特征空间，或垂直（异质）学习——各站点为重叠患者队列贡献互补特征。这些去中心化框架能够实现大规模、保护隐私的模型开发，并改善跨扫描仪和人群的泛化性。

3.4 神经放射学中的临床应用

AI算法在多个神经影像领域展现出强大的诊断性能。例如，结合多序列MRI的CNN模型在脑肿瘤分割中达到接近专家的准确性，AUC值为0.98±0.04，灵敏度94%，特异度97%，DSC约为0.79±0.12。在急诊神经放射学中，AI系统辅助急性病理的检测和分诊，如缺血性卒中、颅内出血、动脉瘤和动静脉畸形。DL算法在非增强CT上的早期卒中检测中优于放射科医师（AI 37.3% vs. 放射科医师33.3%），作为辅助工具时灵敏度显著提高（使用AI 41.3% vs. 不使用33.3%）。AI在颅内出血检测方面也取得了高精度，基于25,000余例CT扫描训练的大规模模型在出血亚型分类中AUC超过0.98。

3.5 评价指标

AI模型在神经放射学中的性能通常使用标准指标量化。DSC衡量预测分割与真实分割之间的重叠，范围从0（无重叠）到1（完全一致）。对于分类任务，诊断准确性通过灵敏度、特异度、阳性和阴性预测值以及受试者工作特征曲线下面积（AUC）报告，接近1的值表示优异的判别性能。

4 AI在神经影像学中的结局

4.1 诊断性能与准确性

Beliveau等人评估了多种CNN架构在磁敏感加权成像（Susceptibility-Weighted Imaging, SWI）上标记深部脑核团的表现，CNN在内部数据集上达到DSC 0.85–0.90，在外部数据上保持强泛化性（Dice≈0.83），优于参考模型（Dice≈0.77）。在肿瘤应用中，一项比较cML和DL算法的系统综述发现，DL模型在脑转移瘤（Brain Metastasis, BM）检测中达到更高的诊断灵敏度，合并可检测率为90%，每例患者的假阳性率显著低于cML方法（10 vs. 135, p<0.001）。Rauschecker等人评估了结合DL和贝叶斯网络的MRI鉴别诊断AI系统，算法达到91%的前三位诊断准确率，表现与学术神经放射科医师相当（86%; p=0.20），优于住院医师（56%; p<0.001）、进修医师（77%; p=0.003）和普通放射科医师（57%; p<0.001）。

4.2 临床实施与工作流程影响

在急性神经影像学中，基于CNN的模型在大血管闭塞（Large Vessel Occlusion, LVO）卒中检测中达到85%的灵敏度，显著优于随机森林模型（68%），并具有加速分诊和治疗时间线的潜力。RAPID ICH、Viz.ai和Aldoc Medical等工具利用DL自动识别和分类CT上的出血，作为实时诊断辅助，提供“二次阅读”、协助质量保证并帮助放射科医师优先处理紧急病例，可能减少判读延迟。

4.3 真实世界采用与用户认知

韩国放射科医师全国调查显示，60.3%（223/370）已将基于AI的软件纳入实践，主要用于病灶检测（82.1%）、诊断辅助（55.2%）和图像分类（55.2%）。67.6%的受访者注意到患者管理的改善，85.1%对AI性能表示总体满意。然而，92%的受访者认为需要正规教育和指南以确保AI输出的适当使用和解读。

4.4 临床结局总结

在多个领域，AI驱动的神经影像系统展现出高诊断准确性、效率和可扩展性，性能常与专家神经放射科医师相当。其临床整合提供了简化工作流程、支持决策和改善患者结局的机会。然而，这些益处依赖于严格的多中心验证以及对可解释性、临床医师教育和伦理治理的持续关注。

5 伦理考量与局限性

5.1 数据隐私与治理

数据隐私是AI驱动神经影像中最紧迫的伦理关切之一，尤其是当大型影像数据集存储在跨国际边界聚合信息的门户或云系统中时。脑部扫描具有独特风险，因为解剖结构可与个人数据匹配从而实现再识别。欧盟通用数据保护条例（GDPR）区分个人数据、去标识化数据和完全匿名数据，而中国个人信息保护法（PIPL）将生物识别和医疗信息归类为高度敏感数据。然而，国家和机构间隐私法律的异质性使跨境数据共享复杂化。联邦学习（FL）能够在无需传输原始数据的情况下进行跨机构模型训练，减少集中存储库的需求。数据使用协议（Data Use Agreements, DUAs）和数据传输协议（Data Transfer Agreements, DTAs）等正式协议定义了责任并防止滥用。

5.2 偶然发现与可解释性

偶然发现的管理——研究或诊断影像中发现的意外异常——提出了另一伦理困境。AI系统因高灵敏度和许多DL模型的“黑箱”特性而加剧了这一问题，限制了临床医师解读算法推理的能力。AI系统的开发者应放弃优先考虑商业秘密而非透明性的“隐形科学”做法。开发者必须确保持续监测和频繁优化AI系统，以跟上不断发展的临床实践。临床医师在将这些工具整合到临床实践中时需要采取平衡方法，同时不损害其临床判断。将伪影或正常变异误识别为病理可导致患者焦虑、不必要的随访检查或误诊。各司法管辖区监管框架的不一致性使得建立标准化程序来管理这些发现变得困难。

5.3 算法偏见与公平性

算法偏见是AI在神经影像中伦理应用的根本局限。一项近期荟萃分析发现，97.5%的训练数据集来自高收入或中高收入地区，导致系统性缺乏多样性，削弱了全球适用性。一项AI诊断阿尔茨海默病的研究说明了这一效应：在美国阿尔茨海默病神经影像学倡议（Alzheimer's Disease Neuroimaging Initiative, ADNI）数据集上训练的CNN在澳大利亚AIBL队列中表现良好，但在意大利I-ADNI数据集上显著恶化，准确率仅为78%。许多用于AI开发的基于机器学习（Machine Learning, ML）的数据库来自高收入国家（欧洲和北美），对亚洲、拉丁美洲和非洲人群的纳入有限，造成“明确的selection bias”。应制定政策强制纳入种族、民族、年龄、性别和社会经济地位等人口统计学变量以进行偏见审计。应采用FUTURE-AI指南等伦理准则，确保公平性和普遍性原则融入开发过程。美国“All of Us”研究计划等可作为超越地理和社会经济边界创建全球数据库的模型。

5.4 监管与实践局限性

现行监管环境尚未适应多中心AI研究的复杂性。管理临床数据集收集、使用和交换的社会法律框架差异阻碍了国际合作。此外，针对持续从新数据学习的自适应算法的上市后监测或验证标准化程序很少。缺乏全面监督时，伦理和安全失误可能在患者伤害发生前不被发现。

5.5 法律责任

AI辅助神经影像的另一个关切是法律责任，因为医师承担诊断责任。责任被视为临床医师与算法系统之间的分布式构建，反映了临床实践中向共享决策范式的转变。为降低法律风险，临床医师必须确保AI的使用符合同一专科合格从业者的标准护理水平。法律分析考虑两种情形：一是医师拒绝了符合标准护理的正确建议；二是医师遵循了不符合标准护理的错误AI建议。如果AI能超越人类决策能力，法律专家预测可能有必要采纳AI临床决策支持（Clinical Decision Support, CDS）。如果AI工具的使用超出监管授权（如FDA许可和CE标志）指定的预期用途，责任风险会增加，因此从业者应了解目标人群和输入数据要求以保持法律正当性。

6 讨论

本综述强调了AI和机器学习（ML）在神经放射学中的选定进展和临床潜力，特别关注多中心验证和实施。所考察的架构包括cML及其衍生DL——尤其是U-Net和nnU-Net等CNN——以及更新的Transformer和基础模型。这些系统在多种神经影像应用中展现出有前景的性能，从脑肿瘤和转移瘤分割到血管病理检测和鉴别诊断生成。多中心验证研究日益支持AI模型跨扫描仪、人群和影像协议的泛化性，凸显其稳健临床转化的潜力。值得注意的是，尽管AI在神经放射学中快速增长，但相对较少的研究能超越单中心开发进入稳健的多中心验证，这凸显了方法创新与现实临床转化之间的关键差距。

6.1 局限性

伦理挑战包括集中式数据系统中的患者隐私担忧、算法和数据集偏见，以及GDPR和HIPAA等数据保护框架执行不一致。技术和方法局限仍然存在：当前AI模型在训练方法、数据集组成和验证指标方面表现出异质性；许多系统缺乏可解释性，很少考虑患者合并症，且在有限或人口统计学狭窄的数据集上训练。缺乏标准化基准和可重复性指南进一步使临床评估复杂化。本综述本身存在重要局限：作为针对性范围综述，并非旨在穷尽，纳入研究数量相对较少反映了严格纳入标准对多中心验证的特定关注；各研究对“多中心”验证定义的可变性可能导致遗漏使用多机构数据但未明确描述的相关文献；研究设计、数据集和报告指标的异质性限制研究间直接比较。

6.2 可扩展AI的基础设施与政策

AI在神经影像中的可扩展部署需要稳健的基础设施和维护精密的软硬件。在基础层面，这些系统需要标注数据来产生功能性训练数据集，这需要合格医师和专家的协调与咨询。在机构层面，医院必须确保具备运行这些模型的安全计算硬件，包括处理高性能计算任务的计算机节点和图形处理单元（Graphics Processing Units, GPUs）。FL还需要中央聚合服务器进行协调和模型更新。这些设备理想情况下应配备适当的软件，包括数据预处理管道、信息安全的加密方法、系统间保密数据交换的安全参数协议。系统必须具备互操作性——不同系统或设备通信和交换数据的能力——特别是从影像设备传输数据和跨中心连接。这强调了使用医学数字成像和通信（Digital Imaging and Communications in Medicine, DICOM）标准进行存储和交换协议以及维持标准化标注框架进行数据标注的重要性。硬件异质性也引入了脆弱性，造成训练差距和代表性不足，因此跨影像模态的数据协调（如MRI数据集的像素强度归一化技术）具有价值。政策框架同样关键，用于实施可扩展数据集的治理、遵守隐私立法和资助技术基础设施。

6.3 未来考量

未来研究应聚焦多模态整合，将多种影像模态（如MRI、CT、PET）与临床和遗传数据结合，以提高诊断准确性和情境理解。ADNI等开放获取数据集应扩展以解决数据异质性并通过全球代表性促进算法公平性。为平衡隐私与性能，联邦学习（FL）和无监督域适应（Unsupervised Domain Adaptation, UDA）已获得关注。FL实现无需共享原始数据的去中心化模型训练，而UDA允许模型通过利用先前学习泛化到未标注或域偏移的数据集。UDA可缓解“域偏移”问题，使模型适应和优化到多个不同数据源和域，弥合标注内部源与新外部队列之间的差距。然而，去中心化可能放大数据集变异性并使质量控制复杂化。还应考虑标准化成像协议以在输入层面解决不一致性。另一种方法——使用匿名化多机构数据进行安全集中训练——可在通过标准化预处理和质量保证改善一致性的同时保持隐私。近期还提出了“联邦域适应”，即训练一个通用模型并辅以更专业化的域调优私有模型，它们相互交互以达成共同输出。AI在神经放射学中的负责任推进还需要更强有力的监管和运营框架。HIPAA和GDPR等现行法律提供了基础指导，但未针对AI特有挑战进行定制，特别是模型重训练、可解释性和数据溯源。这些监管路径通常优先考虑静态验证：部署前对固定模型进行单次评估，而未考虑部署后更新可能导致的性能变化。这一局限对部署后持续学习的自适应模型尤为重要，因为持续更新可能无法在不重复审批流程的情况下轻易被容纳。需要国际合作来制定面向AI的数据治理指南和伦理标准，确保患者安全和互操作性。此外，经济分析——包括模型训练、基础设施和临床整合成本——应为政策和采纳策略提供信息。纵向多中心研究评估时间效率、可扩展性和长期患者结局对于在现实环境中验证这些工具至关重要。随着临床医师对AI熟悉度的提高，培训计划和机构支持将确保准确解读并减少误用。随着高性能AI模型日益融入临床工作流程，放射科医师的角色可能从主要图像解读者转变为更具监督性的位置，充当算法输出的验证者。

7 结论

AI已彻底改变了神经影像学的格局，在诊断准确性、工作流程效率和临床决策支持（CDS）方面提供了前所未有的进展。CNN、U-Net变体和新兴基础模型等DL架构在多种影像任务中展现出卓越性能，包括病灶检测、分割和预后分析。然而，伴随这些技术收益而来的是复杂的伦理、监管和实践挑战。数据隐私、算法偏见、可解释性和不公平获取等问题必须在广泛临床整合之前得到解决。稳健的治理框架、透明的验证和包容性的数据集代表性对于确保AI系统安全公平地服务患者至关重要。临床医师、研究人员、工程师和政策制定者之间的持续协作对于弥合创新与负责任实施之间的差距至关重要。随着领域成熟，重点应从概念验证准确性转向可解释性、泛化性和伦理管理。通过持续的跨学科合作和监督，AI在神经影像学中不仅有望提高诊断精度，还有望以公平可信的方式重新定义神经护理标准。