把扫描转成特征的三种路径
这项研究比较了三种策略，它们都用于生成AI模型从脑部扫描中做判断所依据的特征。第一种直接计算解剖测量值：用FreeSurfer的recon-all流程导出脑区体积、皮层表面积和皮层厚度，共178个特征，输入逻辑回归。第二种用监督学习训练卷积神经网络（分类任务用ResNet-18，分割任务用U-Net），让网络从图像中自行学习特征。第三种先用掩码自编码在无标注扫描上预训练视觉Transformer，再针对每项任务微调。
让这一比较具有说服力的是规模。作者汇总了18个公开数据集，包含超过96,000次MRI扫描、约80,000名参与者，并按参与者划分数据，使同一个人的所有扫描都留在同一划分中。七项任务覆盖阿尔茨海默病诊断、癫痫、帕金森病、肿瘤IDH突变识别、脑龄预测，以及脑肿瘤和卒中病灶分割。阿尔茨海默病诊断还在七个外部队列上额外测试，而这正是简单模型的稳健性最受考验的地方。
线性解剖模型并不逊色
核心结果接近平手。在所评估的诊断和分割任务中，作者报告预训练视觉Transformer、CNN和解剖逻辑回归之间没有显著的性能差异。解剖模型并非刻意设置的弱对照：在痴呆检测上，补充实验将其与随机森林比较，并在10%、30%和100%的训练数据上重复，差异普遍很小，因此逻辑回归被用作主要的解剖基线。
逐任务看，结果并非一致持平，而是有高有低。在阿尔茨海默病诊断中，ASP视觉Transformer在多数队列取得最高macro-AUC，但相对CNN和解剖逻辑回归的统计显著性只在OASIS 2上达到。在帕金森病和癫痫任务中，预训练视觉Transformer取得最高AUC，但仅相对BrainIAC有显著提升。在IDH突变识别中，ASP Transformer同样AUC最高，但无统计显著性。分割任务中，U-Net在成人胶质瘤上Dice分数最高，预训练Transformer在卒中病灶上最好，差异仅相对UNETR显著。由于训练数据有限，CNN无法用于癫痫任务。
深度模型似乎在重新发现解剖结构
作者的解释是，两类方法做的事情并没有本质不同。CNN和预训练视觉Transformer学到的特征隐含地捕捉了相关解剖信息，这可以解释为什么显式提取解剖特征在这些任务上没有带来可测量的诊断优势。论文用一项探测实验支持这一点：在掩码自编码预训练过程中，对Transformer嵌入做线性探测来预测不同脑区的体积，准确率随训练推进而上升，说明即使没有被要求，解剖信息也会在嵌入中逐步积累。
这一探测结果也带有一个作者明确指出的限制：嵌入只在某种程度上反映解剖结构。预测准确率因目标而异，皮层体积这类较大、对比度较高的结构比海马这类较小、边界不清的区域更容易读出；二值的性别比需要更精细回归的年龄更容易推断。因此论文的主张不是学习到的特征等同于完整的解剖描述，而是它们为这些临床标签捕捉到了足够多的解剖信息。
解剖引导预训练在脑龄上拉开差距
论文自身的方法贡献——解剖分割预训练（ASP）——正是从上述探测观察出发再推进一步。在标准掩码自编码预训练之后，训练一个轻量解码器去分割39个脑区，这些区域按疾病相关性和解剖尺度挑选，贡献不足全脑体积1%的区域被舍弃，对称结构或解剖上相关的子单元被合并。解码器刻意不设跳跃连接并保持轻量，从而迫使解剖信息进入Transformer嵌入，而不是留在解码器的局部通路中。一个脑区提示用于指定当前分割哪个区域，避免同时生成39张3D logit图带来的显存开销。
收益集中在脑龄估计上。ASP在内部测试队列的平均绝对误差为2.54年，在NACC和ADNI两个外部队列均为4.19年。未使用ASP的预训练Transformer在内部与之接近，只差0.35年，但在外部队列差距扩大到一年以上。逻辑回归比Transformer类方法差1至2年，却始终优于CNN。在外部NACC队列上的消融实验显示，去掉任一要素——先前的MAE预训练、初始阶段冻结编码器、或与MAE交替训练以防遗忘——都会降低性能，从头训练同样如此。
年龄误差在数据边缘变大
有两个条件限定了脑龄结果。按性别和年龄分层后，模型排序保持稳定，但按年龄分层显示80岁以上个体的误差更大，而这一群体在训练和预训练数据中占比较低。另外，把表现最好的模型用于临床人群时，NACC和ADNI中痴呆患者的年龄估计在多数年龄段都持续高于其生理年龄。这是模型在临床群体上的输出特性，并不能证明模型检测到了疾病；论文报告了这一模式，并未声称其具有诊断用途。
这一比较还取决于解剖基线如何构建。其特征来自FreeSurfer的recon-all流程，作者指出该流程平均每张3D图像约需6.11小时，同时它也充当质量控制过滤器，初始处理失败的图像会被排除。论文指出，更快的深度学习分割工具为这一提取成本提供了高效替代，因此在所研究的任务上，两种范式之间的实际权衡是计算成本，而不是准确率。
这一平手结论的适用边界
等价性主张受限于所测试的范围：3D结构T1加权MRI、七项临床任务，以及按所述预处理和参与者级划分处理的公开队列。统计图景也比单一标题所暗示的更温和——Transformer模型在多数任务上的优势并不显著，而出现显著性时，往往只是相对某一个特定对照，而非全面胜出。癫痫任务中CNN无法运行这一结果具体提醒人们：决定哪些模型能跑起来的可能是数据量，而不是架构。
综合来看，这些结果支持让模型复杂度与问题相匹配。对于结构T1扫描上的诊断分类和病灶分割，基于178个解剖特征的线性模型是一个合理的基线，复杂框架并未显著超越它。作者确立的例外是脑龄估计：把解剖信息注入预训练带来了可测量且在外部复现的误差下降，而且相对普通预训练的优势从内部的0.35年扩大到外部队列的一年以上——这是全研究中最清晰的信号，说明解剖感知的预训练可以迁移。
本文引用的文献
Comparative Study of Anatomical and Learned Features in AI Models for Structural Brain MRI
在七项结构MRI任务中，基于178个FreeSurfer解剖特征的线性模型与CNN和预训练视觉Transformer表现相当，无显著差异；而作者提出的解剖分割预训练在脑龄估计中内部平均绝对误差为2.54年，外部为4.19年。