通过机器学习和基于MRI的生物标志物预测多发性硬化症的疾病进展和结果:一篇综述

科学领域:

• 神经学 神经学
• 放射学 放射学是一门学科.
• 医疗保健中的人工智能

背景情况:

• 多发性硬化症 (MS) 是一种复杂的神经系统疾病,进展变化,缺乏治疗方法.
• 目前的疾病修饰疗法需要仔细选择,因为潜在的风险.
• 磁共振成像 (MRI) 对于MS治疗至关重要,但在预测临床结果方面存在局限性 (临床放射学悖论).

研究的目的:

• 审查使用MRI数据的机器学习 (ML) 算法的应用,以预测多发性硬化症 (MS) 疾病进展.
• 根据预测的特定MS结果对研究进行分类.
• 评估ML模型的性能,并确定关键的MRI衍生生物标志物.

主要方法:

• 对应用基于MRI的ML来预测MS进展的研究进行系统审查.
• 研究被分为五个关键领域:临床隔离综合征转化为MS,认知结果,EDSS相关的残疾,运动残疾和疾病活动.
• 分析和讨论ML模型性能和具有影响力的成像生物标志物.

主要成果:

• 基于MRI的ML模型显示了预测MS进展的各个方面的潜力.
• 确定了影响预测准确性的关键MRI衍生生物标志物.
• 性能在不同的预测任务和ML方法中有所不同.

结论:

• 应用于MRI数据的机器学习为改善多发性硬化症 (MS) 预后提供了一个有希望的方法.
• 将成像生物标志物与多模式患者数据相结合,对于推进多发性硬化个性化医学的发展至关重要.
• 结合多种数据源的进一步研究可以提高预测准确性和临床实用性.