专家们早就知道年轻运动员，尤其是那些从事足球、曲棍球和橄榄球等高接触性运动的运动员有脑震荡的潜在风险。现在越来越多的证据表明，反复的头部撞击，即使最初看起来很轻微，也可能在多年后累积起来，导致认知能力丧失。虽然先进的核磁共振成像技术可以识别头部创伤导致的大脑结构的微观变化，但研究人员表示，扫描产生的大量数据难以浏览。
在纽约大学格罗斯曼医学院放射学系研究人员的领导下，这项新研究首次表明，新工具利用一种名为机器学习的人工智能技术，可以准确区分从事足球等接触性运动和田径等非接触性运动的男性运动员的大脑。研究结果表明，反复的头部撞击与未被诊断为脑震荡的接触性运动运动员大脑中微小的结构变化有关。
"我们的研究结果揭示了接触性运动运动员的大脑与非接触性运动运动员的大脑之间存在的有意义的差异，"该研究的资深作者、神经放射学家吕玉芳（Yvo
nne Lui）医学博士说。"纽约大学朗贡医疗中心放射学系教授兼研究副主任Lui补充说："由于我们预计这些群体的大脑结构相似，这些结果表明，选择一种运动可能比选择另一种运动有风险。"
Lui补充说，除了发现潜在的损伤外，他们在调查中使用的机器学习技术还可以帮助专家们更好地了解脑损伤背后的潜在机制。
这项新研究最近发表在《神经放射学杂志》（The Neuroradiology Journal）上，涉及36名接触性运动大学运动员（主要是橄榄球运动员）和45名非接触性运动大学运动员（主要是跑步运动员和棒球运动员）的数百张大脑图像。这项工作旨在将人工智能工具在足球运动员大脑扫描中检测到的变化与头部撞击明确联系起来。此前的一项研究发现了足球运动员大脑结构的差异，并将有脑震荡和没有脑震荡的运动员与参加非接触式运动的运动员进行了比较。
在调查中，研究人员分析了2016年至2018年期间拍摄的81名男性运动员的核磁共振成像扫描结果，这些运动员在此期间均未确诊脑震荡。接触性运动的运动员参加了橄榄球、长曲棍球和足球，而非接触性运动的运动员则参加了棒球、篮球、田径和越野赛。
作为分析工作的一部分，研究小组设计了统计技术，使他们的计算机程序能够"学习"如何利用数学模型预测重复头部撞击的风险。这些模型以输入的数据实例为基础，随着训练数据量的增加，程序也会变得越来越"聪明"。
研究小组训练该程序识别脑组织中的异常特征，并根据这些因素区分反复受到头部伤害的运动员和没有受到头部伤害的运动员。他们还对每个特征对检测损伤的有用程度进行了排名，以帮助发现在众多核磁共振成像指标中哪些指标可能对诊断最有帮助。
作者说，有两个指标能最准确地标记出头部损伤导致的结构变化。第一个指标是平均弥散度，用于测量水在脑组织中移动的难易程度，通常用于在核磁共振成像扫描中发现中风。第二种是峰度均值，它能检测脑组织结构的复杂性，并能显示大脑中与学习、记忆和情绪有关的部分发生的变化。
研究第一作者、纽约大学坦登工程学院博士生陈俊波（Junbo Chen）说："我们的研究结果凸显了人工智能的力量，它能帮助我们看到以前看不到的东西，尤其是传统核磁共振扫描中无法显示的'隐形损伤'。这种方法不仅可以为脑震荡提供重要的诊断工具，还可以检测更微小、更频繁的头部撞击造成的损伤。"
陈补充说，研究小组下一步计划探索将他们的机器学习技术用于检查女运动员的头部损伤。
