新的AI工具Mindglide使用现有的MRI扫描来解锁MS Insights

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患者（MS）的治疗效果。该工具称为Mindglide，可以从MS患者护理期间获取的现有大脑MRI扫描图像中提取关键信息，例如测量大脑受损区域并突出诸如脑收缩和斑块之类的微妙变化。

AI使用数学模型使用大量数据来训练计算机，以看起来像人类的方式学习和解决问题，包括执行复杂的任务，例如图像识别。Mindglide模型接受了近3,000名MS患者的4,000多次MRI扫描培训，然后在另外1,000名患者的近15,000次扫描中进行了外部验证。在测试中，与专家临床评估相比，发现Mindglide在某些类型的评估中表现更好。

UCL皇后广场神经病学研究所和UCL Hawkes Institute的Philipp Goebl解释说，使用Mindglide将使我们能够在医院档案中使用现有的大脑图像，以更好地了解多发性硬化症以及治疗如何影响大脑。我们希望该工具将从以前难以或无法理解的数百万个未开发的大脑图像中解锁有价值的信息，这立即导致对研究人员的多发性硬化症的宝贵见解，并在不久的将来通过诊所中的AI更好地了解患者的病情。我们希望这将在未来五到十年内进行。

Goebl是该团队发表论文的第一作者自然通讯，标题为通过重新利用临床MRI档案进行多发性硬化症研究，从旧扫描中启用新见解他们得出结论，“ Mindglide唯一可以对档案单对比的定量分析，从未开发的医院数据集中解锁见解。”

MS是免疫系统攻击大脑和脊髓的条件。这会导致一个人的移动，感觉或思考的问题。在英国，有13万人与MS一起生活。正如作者进一步写道的那样，多发性硬化症（MS）是一种慢性残疾疾病，影响了全世界超过280万人，对年轻人群产生了不成比例的影响。

MRI标记对于研究和测试MS的治疗至关重要。但是，测量这些标记需要不同类型的专门MRI扫描，从而限制了许多常规医院扫描的有效性。该团队继续进行。

研究人员继续说，最近的研究表明，对MS患者进行常规临床MRI扫描中丘脑和病变体积的深度量化的可行性。但是，此类研究没有评估治疗效果，也没有包括不同对比度（T1加权，T2加权和T2-Flair对比度）的各种临床级二维扫描和临床档案中的扫描。``这突出了迫切需要提取MRI生物标志物的解决方案，包括病变负荷和大脑体积的变化，这是从常规护理中获得的不同扫描进行研究，以进行研究重新利用和潜在的未来临床应用。”

由UCL领导的研究人员开发了深度学习模型Mindglide，以解决现有方法的局限性，并从任何单个MRI对比度中提取大脑区域和白质病变量，以确定MS造成的损害和变化。他们写道，我们开发了Mindglide，这是一个3D卷积神经网络（CNN），以分割特定的大脑结构和白质病变。”它们的目的是快速，并且无需用户进行预处理，量化了单个MRI对比图像中的大脑结构和病变，因此通过分析通常将通常用于这些目的的MRI扫描来检测因治疗效果而导致的大脑体积变化，并且在这些目的中也不得不使用常规MRI扫描来检测新的经历的脑部损失，即使是在新的期间造成的脑部损失，即使是在理想的成像中，也可以表现出脑部的损失。

在开发Mindglide时，科学家在592例MRI扫描仪中使用了2,934毫秒患者的初始数据集，其中4,247次大脑MRI扫描。在此过程中，Mindglide训练了自己以识别疾病的标志。通过新报告的研究，作者对Mindglide的有效性进行了测试，该数据对来自1,001例患者的14,952张图像的三个单独数据库进行了测试。此任务以前要求专家神经放射学家手动解释复杂的扫描年份，报告这些图像的周转时间通常是几周。他们解释说，为了测试Mindglide的14岁64岁的概括性，我们采用了两项进行性MS临床试验的外部验证集，以及一组实际的儿科复发率复发的MS患者。”Mindglide

一个 能够使用AI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，并使用以前无法分析的图像和常规MRI扫描图像。每个图像仅需五到10秒。

Mindglide的性能也比其他两个AI工具（用于在MRI扫描中识别和概述和概述大脑不同部分的工具）和WMH-Synthseg（一种在某些MRI扫描上可检测和测量的工具，对于诊断和监测MS等专业临床分析，可以检测和测量某些MRI扫描的明亮斑点）。团队指出，Mindglide在多个关键领域表现出卓越的表现。”Mindglide比Samseg好60％，比WMH-Synthseg要好20％，用于定位脑斑块（或病变）异常或监测治疗效果。

研究的结果表明，可以使用Mindglide一个 即使使用有限的MRI数据和单一类型的扫描，通常用于此目的的扫描和单一类型的扫描，例如无天气的T2加权MRI（这种扫描类型，突出体内的流体但仍然包含明亮的信号，使得很难看到斑块）。他们说，即使使用有限的MRI数据和通常不用于这些任务的单一对比度，也可以实现临床意义的组织分割和病变定量（例如，没有天赋的T2加权MRI）。重要的是，我们的发现跨越了数据集和MRI对比。我们的培训仅使用了Flair和T1图像，但是该模型从外部验证期间遇到的不同扫描仪和时期成功处理了新的对比度（例如PD和T2）。”

除了在检测大脑外层的变化方面表现更好，Mindglide在更深的大脑区域也表现良好。这些发现在一个时间点和更长的时间点（即，在患者参加的年度扫描时）都是有效且可靠的。另外，Mindglide一个 能够证实先前关于哪些治疗方法最有效的高质量研究。在临床试验中，Mindglide检测到对T2-质量应计和皮质和深灰质物质量损失的治疗作用。在常规护理数据中，研究人员在摘要中写道，T2膜的量增加了中等效率治疗的量增加，但对高效率治疗保持稳定。”

研究人员现在希望，Mindglide可用于评估现实环境中的MS治疗方法，克服了以前仅依靠高质量临床试验数据的限制，这些数据通常不会捕获MS的全部多样性。

UCL皇后广场神经病学研究所和UCL Hawkes Institute的主要研究员Arman Eshaghi MD博士，MS-Pinpoint组的负责人表示：“由于质量较低，我们以前没有分析大部分临床脑图像。AI将释放医院信息宝库未开发的潜力，以提供对MS进展的前所未有的见解，以及治疗方法的工作和影响。

作者指出了他们的研究局限性，并评论说，当前的Mindglide的实施仅限于脑部扫描，不包括脊髓成像，这对于评估MS患者的残疾很重要。他们认为，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。``脊髓MRI在常规护理环境中也广泛使用，并且与残疾密切相关。未来的工作应将我们的方法扩展到整个中枢神经系统。