美国麻省理工学院、哈佛大学及麻省总医院的科研团队开发出一款人工智能（AI）软件，能够利用算法自动解析脑干中以往难以清晰成像的白质神经束。这一成果打开了研究脑干的新窗口，也为研究神经系统疾病与脑损伤提供了新工具。该研究发表于《美国国家科学院院刊》。

该研究图细节展示了脑干束区域。图中呈现了自动BSBT方法（上图）与真实标注法在三个不同脑切片中的对比结果。图片来源：美国麻省理工学院

该软件名为“脑干束工具”（BSBT），基于扩散磁共振成像数据，利用卷积神经网络自动识别并分割出脑干中8个不同的白质神经束。此前，由于脑干区域结构复杂、易受生理运动及脑脊液干扰，传统成像技术难以对其神经束进行精细刻画。

研究团队首先利用人类连接组计划的30例高分辨率影像数据对算法进行训练，并通过尸检解剖结果验证其分割准确性。测试表明，BSBT在不同时间点对同一受试者的扫描结果中表现出高度一致性，且适用于多类影像数据集。

在应用层面，团队将BSBT用于分析阿尔茨海默病、帕金森病、多发性硬化症及创伤性脑损伤患者的脑干影像。结果显示，不同疾病在脑干神经束的体积和各向异性分数等指标上呈现具有鉴别意义的改变模式。例如，帕金森病患者在部分神经束中表现出结构完整性下降，而多发性硬化症患者则在多个神经束中同时出现体积减小和结构指标降低。

此外，BSBT在一名长期昏迷的脑外伤患者连续7个月的跟踪扫描中，清晰呈现出病灶逐步缩小、神经束逐渐恢复原位的过程，显示出其在评估神经修复与预后方面的潜在价值。

相关算法已公开发布，可供科研与临床使用。团队表示，这一工具不仅有助于深化理解脑干在意识、呼吸、心跳等关键功能中所起的作用，也为神经系统疾病的早期诊断与跟踪提供了影像学领域的全新生物标志物。