与复发性复发性多发性硬化症的认知和身体表现相关的空间结构异常图
Zhizheng Zhuo1, Ningnannan Zhang2, Feng Ao3,4
1Department of Radiology, Beijing Tiantan Hospital, Capital Medical University, Beijing, China. 18612161210@163.com.
European radiology
|October 29, 2024
概括
深度学习根据大脑异常确定了五种复发性复发性多发性硬化症 (RRMS) 亚型,揭示了不同的认知和身体表现模式. 这些空间地图有助于理解RRMS异质性和个性化治疗策略.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 复发性缓解性多发性硬化症 (RRMS) 在认知和身体表现方面存在显著的异质性.
- 了解潜在的大脑异常对于有效的患者管理至关重要.
研究的目的:
- 在RRMS患者中描述与认知和身体表现相关的大脑异常.
- 使用深度学习算法来识别不同的RRMS亚型.
主要方法:
- 使用3D nnU-Net深度学习模型,从281名RRMS患者的T1加权MRI扫描生成空间异常图.
- 患者被分为亚型,并使用克鲁斯卡尔-瓦利斯测试比较临床/MRI特征.
- 卡普兰-梅尔分析评估了残疾进展,并对两个额外的数据集进行了验证.
主要成果:
- 确定了五种不同的RRMS亚型,每个都有独特的认知和身体表现配置文件和残疾进展风险.
- 亚型在认知得分,身体残疾严重程度,大脑体积损失和复发率方面有所不同.
- 对外部数据集的验证证实了识别的亚型的稳定性.
结论:
- 来自深度学习的空间异常图可以有效地解释RRMS中的异质性.
- 这些发现支持RRMS中分层管理和个性化治疗方法的潜力.


