在医学领域，影像数据的分析一直是一个复杂而繁琐的过程。最近，威尔康奈尔医学院的研究人员开发出了一种名为 LILAC（基于学习的纵向影像变化推断）的全新人工智能系统，能够高效、准确地分析和检测随时间变化的医学影像。这项研究于2月20日发表于《美国国家科学院院刊》，并展示了 LILAC 在多个医学场景中的广泛应用潜力。
传统的医学影像分析方法往往需要大量的定制和预处理。以脑部 MRI 数据为例，研究人员通常需要花费大量时间对图像进行调整和修正，以便专注于某个特定的区域，甚至需要消除不同角度、尺寸差异等影响。而 LILAC 系统则极大简化了这一过程，自动执行这些复杂的预处理步骤，从而使得研究人员能够更轻松地进行长时间序列的图像分析。
LILAC 的灵活性体现在其对多种医学影像的适应能力上。研究团队通过数百组体外受精胚胎的显微镜图像训练 LILAC，测试其在随机图像对中判断时间顺序的能力。结果显示，LILAC 的准确率高达99%。在其他实验中，该系统同样成功地检测出伤口愈合的差异和老年人脑部的变化，并能准确预测认知评分。
研究的首席设计师金希钟博士表示，LILAC 的目标是为那些尚不完全了解研究过程的情况提供支持，尤其是在个体间存在很大变异的情况下。这种技术不仅适用于当前的影像数据，还能够灵活应对未来未知的变化。
目前，研究团队计划将 LILAC 应用于现实世界中的临床场景，特别是通过 MRI 扫描预测前列腺癌患者的治疗反应。这一创新系统的推出，无疑为医学影像分析带来了新的希望与可能性。
