《Journal of Neuroradiology》：Artificial intelligence in the detection of multiple sclerosis plaques: Can it influence the treatment decision?
编辑推荐：
AI辅助MRI分析显著提高多发性硬化症患者新病灶和扩大病灶检出率，并影响10.8%患者的治疗决策。
Milica Mastilovi?|Verónica Mu?os-Ramírez|Andreas M. Rauschecker|Jasmina Boban|Marie Blanchere|Francois Cotton|Olivier Heinzlef|Myriam Edjlali
多模态生物医学成像实验室（BioMaps），巴黎萨克雷大学，法国原子能委员会（CEA），法国国家科学研究中心（CNRS），法国国家健康与医学研究院（Inserm），弗雷德里克·约利奥医院服务部，奥赛，法国
摘要
背景与目的
为了监测多发性硬化症（MS）的进展，通常通过手动对比来使用随访MRI检测新的或扩大的病灶（ELs），这一过程耗时且容易出错。本研究使用基于人工智能的工具Pixyl.Neuro.MS?，评估人工智能辅助的读片是否能够提高病灶检测的准确性，并影响治疗决策。
材料与方法
本研究对MS患者进行了回顾性分析。在比较之前的MRI和新的MRI时，使用了基于深度学习的Pixyl.Neuro.MS?软件。该软件能够根据病灶的时间演变进行分割和特征描述，从而便于分析新病灶和ELs。随后生成了新的人工智能辅助的放射学报告，并与传统的放射学报告进行了对比。通过将人工智能报告与神经学评估相结合，评估了其与仅基于传统放射学报告的治疗决策相比的潜在影响。
结果
在这组83名MS患者（平均年龄49岁，主要为女性）中，由放射科医生在人工智能辅助下进行的MRI分析明显优于传统的放射学解读。使用人工智能辅助分析的患者中，有30.1%发现了新病灶，而使用传统方法的患者中这一比例为14.6%（p < 0.001）。通过人工智能支持的评估，有33.7%的患者发现了ELs，而使用传统方法则没有发现任何ELs。平均而言，借助人工智能的放射科医生每位患者检测到的新病灶数量更多（0.82个 vs 0.46个），并且正确识别病灶的数量也更高。重要的是，将人工智能辅助的发现与临床数据结合后，有10.8%的患者的治疗方案得到了调整，这凸显了这种方法的潜在临床意义。
结论
人工智能在提高MS患者新病灶和ELs的检测方面可能发挥关键作用。使用Pixyl.Neuro.MS?软件增强了放射学解读的准确性，使得对MRI结果的评估更加全面。这种改进的诊断精度有助于部分患者的治疗决策的调整。
引言
多发性硬化症（MS）是一种慢性炎症性脱髓鞘疾病，主要影响中枢神经系统（CNS），通常在青年期发病。它是导致这一人群非创伤性终身残疾的主要原因，对医疗保健成本和社会经济负担有重大影响。1全球有超过280万人受到影响，其中欧洲的发病率最高（每10万人中有133人）。2
MS表现为多种临床形式，包括复发缓解型（RRMS）、原发进展型（PPMS）和继发进展型（SPMS）。早期或临床前阶段包括临床孤立综合征（CIS，表现为提示MS的单一脱髓鞘事件）和放射学孤立综合征（RIS，表现为无症状个体的偶然发现的脱髓鞘病灶）。3, 4CIS和RIS都有转化为临床明确MS的风险，尤其是在随访影像学检查中出现新病灶时。
诊断依据McDonald标准，该标准结合了临床、影像学和实验室数据。3磁共振成像（MRI）在诊断和持续监测中起着核心作用。典型的放射学表现包括脑室周围和皮质附近的白质、胼胝体、脑干、小脑和脊髓中的脱髓鞘病灶。随访MRI中新出现或扩大的T2加权病灶（ELs）是疾病活动的重要生物标志物，即使在没有临床复发的情况下也可能提示需要调整治疗方案。
手动对比连续的MRI扫描仍然是标准方法，但这种方法耗时、主观性强且容易出错，尤其是在病灶负荷较高、额叶上方病灶较多的患者中。5近年来，人工智能（AI）工具的出现支持了病灶的检测和分割，提供了更快、更一致的评估。6, 7, 8, 9基于深度学习的Pixyl.Neuro.MS?软件能够实现MS患者脑部MRI序列的自动病灶分割和纵向比较。10这项技术在提高MRI解读的准确性和效率方面显示出潜力。
鉴于放射学发现对治疗决策的影响——尤其是在决定是否升级或调整疾病修饰疗法（DMT）方面——提高病灶检测能力可能会影响患者管理策略。尽管治疗手段有所进步，但目前尚无治愈MS的方法，治疗目标主要集中在减少复发和延缓残疾进展上。11, 12
在本研究中，我们评估了使用Pixyl.Neuro.MS?进行人工智能辅助的MRI分析是否会导致与基于传统放射学报告不同的治疗决策。我们回顾性地分析了MS患者的随访MRI数据，并评估了增强病灶检测能力可能如何改变治疗选择。在人工智能辅助分析发现更多病灶的情况下，患者会在多学科会议上重新进行评估，以确定是否需要调整治疗方案，这符合ECTRIMS/EAN指南的要求。12
部分内容
多发性硬化症（MS）是一种慢性炎症性脱髓鞘疾病，主要影响中枢神经系统（CNS），通常在青年期发病。它是导致这一人群非创伤性终身残疾的主要原因，对医疗保健成本和社会经济负担有显著影响。1全球有超过280万人受此疾病影响，欧洲的发病率最高（每10万人中有133人）。2
MS有多种临床类型，包括复发缓解型（RRMS）、原发进展型（PPMS）和继发进展型（SPMS）。早期或临床前阶段包括临床孤立综合征（CIS，表现为提示MS的单一脱髓鞘事件）和放射学孤立综合征（RIS，表现为无症状个体的偶然发现的脱髓鞘病灶）。3, 4CIS和RIS都有转化为临床明确MS的风险，尤其是在随访影像学检查中出现新病灶时。
诊断依据McDonald标准，该标准结合了临床、影像学和实验室数据。3磁共振成像（MRI）在诊断和持续监测中起着核心作用。典型的放射学表现包括脑室周围和皮质附近的白质、胼胝体、脑干、小脑和脊髓中的脱髓鞘病灶。随访MRI中新出现或扩大的T2加权病灶（ELs）是疾病活动的重要标志物，即使在没有临床复发的情况下也可能提示需要调整治疗方案。
手动对比连续的MRI扫描仍然是标准方法，但这种方法耗时、主观性强且容易出错，尤其是在病灶负荷较高、额叶上方病灶较多的患者中。5近年来，人工智能（AI）工具的出现支持了病灶的检测和分割，提供了更快、更一致的评估。6, 7, 8, 9基于深度学习的Pixyl.Neuro.MS?软件能够实现MS患者脑部MRI序列的自动病灶分割和纵向比较。10这项技术在提高MRI解读的准确性和效率方面显示出潜力。
鉴于放射学发现对治疗决策的影响——尤其是在决定是否升级或调整疾病修饰疗法（DMT）方面——提高病灶检测能力可能会影响患者管理策略。尽管治疗手段有所进步，但目前尚无治愈MS的方法，治疗目标主要集中在减少复发和延缓残疾进展上。11, 12
在本研究中，我们评估了使用Pixyl.Neuro.MS?进行人工智能辅助的MRI分析是否会导致与基于传统放射学报告不同的治疗决策。我们回顾性地分析了MS患者的随访MRI数据，并评估了增强病灶检测能力可能如何改变治疗选择。在人工智能辅助分析发现更多病灶的情况下，患者会在多学科会议上重新进行评估，以确定是否需要调整治疗方案，这符合ECTRIMS/EAN指南的要求。
方法与步骤
这项回顾性研究包括了获得书面知情同意的MS患者，并获得了伦理批准（CRM-2503-448）。
本研究中的患者来自2020年至2024年间法国Poissy医院的MS患者。这些患者最初由社区神经科医生进行评估和随访，随后因怀疑疾病进展而被转诊到我们的三级医疗机构进行第二次意见评估。
疑似疾病进展
患者的人口统计特征
共有83名MS患者（62名女性；平均年龄49岁，年龄范围27–73岁）参与了本研究。这些患者是在2020年至2024年间由治疗他们的神经科医生转诊到我们机构的，原因是症状恶化或怀疑疾病进展。
使用Pixyl.Neuro.MS?软件分析之前的和新的FLAIR图像
在我们的
讨论
本研究表明，使用Pixyl.Neuro.MS?软件进行的人工智能辅助放射学评估显著优于使用标准DICOM查看器进行的传统放射学解读。人工智能辅助的分析能够检测到更多的新病灶和ELs（p < 0.001，t = –3.377）。平均而言，使用人工智能的放射科医生每位患者检测到0.82 ± 1.59个新病灶和0.91 ± 1.76个ELs，而使用传统方法则仅检测到0.46 ± 1.16个新病灶和0个ELs。
结论
我们的研究结果证实，使用Pixyl.Neuro.MS?等人工智能辅助的放射学工具可以提高MS患者病灶检测的准确性。该软件提高了新病灶和ELs的识别能力，进而影响了部分患者的临床决策。这些结果强调了将人工智能整合到常规放射学实践中的潜力，提供了一种更敏感和标准化的疾病监测方法。
作者贡献
概念构思 – MEG；数据管理 – ME, MM, VMR；形式分析 – MM, MEG；研究实施 – MM, ME, OH, MB, VMR；方法学 – ME, MM, OH, MB；软件开发 – VMR；监督 – ME, FC, AR；可视化 – MM, MEG；初稿撰写 – MM, MEG；修订与编辑 – 所有作者。
资金支持
本研究未获得公共、商业或非营利部门的任何特定资助。
利益冲突声明
Verónica Mu?os-Ramírez是Pixyl SAS公司的员工。
