通过对大脑图像的机器学习来识别叶的四种生物型
Yuchao Jiang1, Wei Li2,3, Jinmei Li2
1Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University, Shanghai, China. yuchaojiang@fudan.edu.cn.
Nature communications
|March 13, 2024
概括
人工智能根据MRI扫描识别了四种不同的叶 (TLE) 亚型. 这些亚型表现出不同的疾病进展和发作结果,为个性化医疗铺平了道路.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 的病理生理学和病理学
背景情况:
- 焦点性,特别是叶 (TLE),表现出显著的异质性.
- 目前的分类可能无法完全捕捉TLE.的各种病理生物学基础.
- 人工智能的进步为疾病亚型的新方法提供了新的方法.
研究的目的:
- 通过基于病理生物学的机器学习重新定义叶 (TLE) 亚型.
- 调查TLE.TLE病理生理进展中的表型异质性.
- 为了改善预后和个性化治疗,识别不同的TLE亚型.
主要方法:
- 在横截面MRI数据上使用机器学习算法 (子类型和阶段推理).
- 分析了296名TLE患者和91名健康对照者的数据.
- 在109个个体的独立队列中验证了已识别的亚型.
主要成果:
- 确定了四种不同的TLE亚型:两个海马主导 (左/右缩),一个皮质主导 (新皮质然后海马缩),一个桃体扩大而没有缩.
- 这些亚型在一个独立的验证队列中被复制.
- 亚型表现出神经解剖学特征,疾病进展和特征的差异,具有差异性的5年发作结果.
结论:
- TLE表现出显著的病理生物学多样性,支持不同的亚型的存在.
- 这些已识别的亚型显示出不同的疾病进展和结局.
- 亚型分层对预后和指导TLE个性化治疗策略具有前景,推动了精准医学的发展.
