人类设计通过开发人工智能(AI)来模仿我们的大脑的机器现在正被用于分析和识别我们的大脑是如何工作的。

这是一个不断增长的市场，因为虽然我们知道一些关于大脑如何在物理层面上运作的事情，但我们仍然有很多事情没有。它正在快速发展。

悉尼神经影像分析中心(SNAC)去年赢得了一项联邦拨款，旨在使用人工智能增强脑部扫描，现在正在扩展和验证其算法，以便在临床环境中使用。

该公司位于悉尼大学的脑与心灵中心，旨在提高神经图像分析的一致性，速度和准确性 - 脑和心灵中心估计超过4%的病例可能不准确。

SNAC的运营总监Chenyu Wang表示，使用Nvidia的DGX-1系统进行推理的其中一种算法可以自动完成先前在MRI扫描中分离脑组织的手动过程，并将任务执行速度提高10倍。

“这不小，”王说。

“以前，这将使我们的分析师采用半自动方法20至30分钟。现在，这比纯机器时间减少了2到3分钟，同时表现得比人类更好，更一致。“

开发用于研究和临床试验的另一种工具旨在帮助图像分析人员准确地确定脑部病变的大小 - 以了解它们如何随时间推移或对不同治疗方法做出反应。

分析人员通常手动分割脑部病变的3D图像以确定其体积，这个过程可能需要长达15分钟。

由于确定不规则形状结构的尺寸需要多长时间，因此有时可以通过“眼球”扫描来猜测测量结果。同时，SNAC的算法可以将时间缩短到三秒，同时提供更准确的结果。

现在，该中心正在寻求验证这些算法，并将它们与临床医生已经使用的分析工具集成，以便扫描一旦在诊所就诊就可以自动处理。

然后，AI-evalauted扫描将被传递给放射科医师进行查看，为他们提供分析结果，而无需改变他们的工作流程，并提供了审查AI工作的层。

Wang表示，与现有系统的整合也会鼓励使用该软件，而不是为放射科医生增加额外的环节来跳过验证他们的工作。

“有人可以开发出一种奇妙的工具，但很难让放射科医生通过打开另一个应用程序或其工作站上的其他浏览器来使用它，”他说。

“他们不想这么做只是因为他们的时间很差，经常每天都要进行大量的临床扫描。”