Et nytt AI-system fra University of Michigan analyserer hjerne-MR på sekunder – med opptil 97,5 prosent treffsikkerhet. Modellen, kalt Prima, kan identifisere mer enn 50 nevrologiske tilstander og varsle spesialister umiddelbart ved akutte funn. Forskningen er publisert i Nature Biomedical Engineering i februar 2026.

Hva er Prima – og hvem står bak?

Prima er utviklet ved University of Michigan Health av et team ledet av nevrokirurg Todd Hollon. Systemet er bygget for å være en medhjelper for radiologer og klinikere, ikke en erstatning.

Ettersom den globale etterspørselen etter MR øker og legger betydelig press på leger og helsesystemer, har vår AI-modell potensial til å redusere byrden ved å forbedre diagnose og behandling med rask, nøyaktig informasjon, sier Todd Hollon.

Slik fungerer systemet

Prima er en vision language model (VLM) som kombinerer bilde- og tekstforståelse i sanntid. I tillegg til selve MR-bildene integrerer modellen pasientens kliniske historikk og legens begrunnelse for å bestille undersøkelsen – slik radiologer gjør i praksis.

Prima fungerer som en radiolog ved å integrere informasjon om pasientens medisinske historie og bildedata for å produsere en omfattende forståelse av deres helse, sier dataviter Samir Harake.

Tallenes tale

• Treffsikkerhet: opptil 97,5 prosent i testing
• Diagnoser: identifiserer over 50 nevrologiske tilstander
• Treningsdata: mer enn 200 000 MR-studier og 5,6 millioner bildesekvenser
• Klinisk kontekst: inkludert pasienthistorikk og henvisningsårsaker
• Testing i praksis: over 30 000 MR-studier på ett år
• Respons: tilbakemelding tilgjengelig umiddelbart etter skann

Rask respons ved akutte funn

Ved tidskritiske tilstander som hjerneslag og hjerneblødning kan Prima automatisk varsle riktige spesialister – for eksempel slagnevrolog eller nevrokirurg – straks skanningen er ferdig.

Nøyaktighet er avgjørende når man leser en hjerne-MR, men raske svartider er kritiske for rettidig diagnose og bedre resultater, sier postdoktor Yiwei Lyu.

Hvorfor dette betyr noe

Millioner av hjerne-MR utføres hvert år, og etterspørselen vokser raskere enn kapasiteten i nevroradiologien. Resultatet er bemanningsmangler, forsinkelser og feil. Mange pasienter må vente i flere dager eller lenger på svar – avhengig av hvor skanningen tas.

Enten du får en skanning ved et større helsesystem som møter økende volum, eller et landlig sykehus med begrensede ressurser, trengs det innovative teknologier for å forbedre tilgangen til radiologitjenester, sier Vikas Gulani, leder for radiologi ved University of Michigan Health.

Bygget på «alle» egne MR-data

Et særtrekk ved Prima er omfanget av treningsdata: modellen er trent på praktisk talt alle digitaliserte hjerne-MR ved University of Michigan Health siden radiologidata ble digitalisert for flere tiår siden. Dette inkluderer både bildene, klinisk kontekst og legerapportenes begrunnelse for undersøkelsen.

Prestasjon mot andre AI-modeller

I løpet av ett år testet forskerne Prima på over 30 000 MR-studier. Resultatet: bedre prestasjon enn andre avanserte AI-modeller på tvers av mer enn 50 radiologiske diagnoser knyttet til alvorlige nevrologiske lidelser.

Nøkternhet og neste steg

Forskerne understreker at arbeidet fortsatt er i en tidlig evalueringsfase. Videre forskning vil legge inn mer detaljert pasientinformasjon og data fra elektroniske journaler for å styrke nøyaktigheten ytterligere – i tråd med hvordan radiologer arbeider i klinikken.

På samme måte som AI-verktøy kan hjelpe til med å skrive en e-post eller gi anbefalinger, har Prima som mål å være en medpilot for tolkning av medisinske bildeundersøkelser, sier Todd Hollon.

Forskerne mener lignende teknologi på sikt kan tilpasses andre bildetyper, som mammografi, røntgen av brystet og ultralyd.

Konklusjon: Prima demonstrerer hvordan tett integrasjon mellom helsesystemer og AI kan gi raskere, mer tilgjengelig bildeomtolkning. Ambisjonen er klar: bedre prioritering, raskere svar – og tryggere pasientforløp.