人工智能工具可以追踪多发性硬化症治疗的有效性

Nature Communications：Repurposing Clinical MRI Archives for Multiple Sclerosis Research with a Flexible, Single-Contrast Approach: New Insights from Old Scans

　　

伦敦大学学院的研究人员开发了一种新的人工智能（AI）工具，可以帮助解释和评估多发性硬化症（MS）患者的治疗效果。

人工智能使用数学模型来训练使用大量数据的计算机，使其以看似人类的方式学习和解决问题，包括执行图像识别等复杂任务。

这个名为MindGlide的工具可以从治疗多发性硬化症患者期间获得的大脑图像（核磁共振扫描）中提取关键信息，比如测量大脑受损区域，突出显示大脑萎缩和斑块等细微变化。

多发性硬化症是一种免疫系统攻击大脑和脊髓的疾病。这会导致一个人在行动、感觉或思考方面出现问题。在英国，有13万人患有多发性硬化症，每年花费NHS超过29亿英镑。

磁共振成像（MRI）标记对于研究和测试ms治疗方法至关重要，然而，测量这些标记需要不同类型的专门MRI扫描，限制了许多常规医院扫描的有效性。

作为发表在《自然通讯》上的一项新研究的一部分，研究人员测试了MindGlide对1000多名多发性硬化症患者的14000多张图像的有效性。

这项任务以前需要神经放射科专家手动解释多年来复杂的扫描结果，而且由于NHS的工作量，报告这些图像的周转时间通常是几周。

然而，明格利德第一次成功地利用人工智能，利用以前无法分析的图像和常规MRI扫描图像，检测不同治疗方法如何影响临床试验和常规护理中的疾病进展。这个过程每张图像只需要5到10秒。

与专家临床分析相比，MindGlide的表现也优于其他两种人工智能工具——SAMSEG（一种用于在MRI扫描中识别和勾勒大脑不同部位的工具）和WMH-SynthSeg（一种检测和测量某些MRI扫描中看到的亮点的工具，这对于诊断和监测MS等疾病很重要）。

在定位被称为斑块（或病变）的大脑异常或监测治疗效果方面，MindGlide比SAMSEG好60%，比WMH-SynthSeg好20%。

第一作者Philipp Goebl博士（伦敦大学学院女王广场神经病学研究所和伦敦大学学院霍克斯研究所）说：“使用MindGlide将使我们能够利用医院档案中现有的大脑图像来更好地了解多发性硬化症以及治疗如何影响大脑。”

“我们希望该工具能够从数百万未开发的大脑图像中解锁有价值的信息，这些信息以前很难或不可能理解，立即为研究人员提供对多发性硬化症的有价值的见解，并在不久的将来通过临床人工智能更好地了解患者的病情。”我们希望这在未来5到10年内成为可能。”

研究结果表明，即使使用有限的MRI数据和单一类型的扫描（通常不用于此目的），也可以使用MindGlide准确识别和测量重要的脑组织和病变，例如没有FLAIR的t2加权MRI（一种扫描，突出显示体内液体，但仍包含明亮信号，使其更难看到斑块）。

除了在检测大脑外层的变化方面表现更好外，明格里德在更深的大脑区域也表现出色。

研究结果在一个时间点和较长时间内（即患者每年参加一次扫描）都是有效和可靠的。

此外，明立德能够证实之前关于哪种治疗方法最有效的高质量研究。

研究人员现在希望MindGlide可以用于在现实环境中评估多发性硬化症的治疗，克服以前仅仅依赖高质量临床试验数据的限制，这些数据通常不能捕捉到多发性硬化症患者的全部多样性。

Arman Eshaghi博士（伦敦大学学院女王广场神经病学研究所和伦敦大学学院霍克斯研究所）是该项目的首席研究员，也是MS-PINPOINT小组的负责人，他说：“由于质量较低，我们以前没有分析过大量临床脑图像。人工智能将解锁医院信息宝库中尚未开发的潜力，为MS的进展以及治疗如何起作用和影响大脑提供前所未有的见解。”

研究的局限性

目前MindGlide的实施仅限于脑部扫描，不包括脊髓成像，而脊髓成像对于评估多发性硬化症患者的残疾是很重要的。未来的研究将需要对整个神经系统进行更全面的评估，以涵盖大脑和脊髓。

发展MindGlide

MindGlide是一种深度学习（AI）模型，由伦敦大学学院的研究人员开发，用于评估大脑的MRI图像，识别MS引起的损伤和变化。在开发MindGlide时，科学家使用了来自2934名MS患者的4,247个大脑MRI扫描的初始数据集，这些数据来自592台MRI扫描仪。在这个过程中，明格立德训练自己识别疾病的标志物。这项新的研究是为了验证MindGlide，在三个独立的数据库中，来自1001名患者的14952张图像。

Repurposing Clinical MRI Archives for Multiple Sclerosis Research with a Flexible, Single-Contrast Approach: New Insights from Old Scans