相关实验视频
Updated: May 5, 2026
10:46
MRI and PET in Mouse Models of Myocardial Infarction
Published on: December 19, 2013
11.7K
定量肌肉MRI与基于AI的细分结合,作为ATTRv患者的后续生物标志物:一项纵向试点研究
Etienne Fortanier1, Constance P Michel2, Marc Adrien Hostin2,3
1Reference Center for Neuromuscular Diseases and ALS, La Timone University Hospital, Aix-Marseille University, Marseille, France.
European journal of neurology
|November 27, 2024
概括
人工智能 (AI) 对MRI扫描的细分可以评估遗传性转氨基粉症 (ATTRv) 的进展. 通过人工智能增强的MRI测量的腿部脂肪分数 (FF) 显示为ATTRv疾病监测的敏感生物标志物具有前途.
科学领域:
- 生物医学成像学 生物医学成像学
- 医学中的人工智能
- 神经学 神经学
背景情况:
- 定量核磁共振 (qMRI) 评估肌肉内脂肪分数 (FF) 作为遗传性转基因氨基粉症 (ATTRv) 的生物标志物.
- 目前的局限性包括MRI对短期变化的敏感性和耗时的手动细分.
- 人工智能为自动化细分和提高生物标志物的实用性提供了一个潜在的解决方案.
研究的目的:
- 评估基于人工智能的细分技术,以评估一年内的ATTRv疾病进展.
- 为了证明AI驱动的qMRI对ATTRv患者的纵向研究的适用性.
主要方法:
- 一项前性观察性研究包括15名ATTRv患者.
- 下肢qMRI在基线和1年随访时进行,提取FF,MTR和T2值.
- 基于AI的卷积神经网络 (CNN) 分段被用于定量数据提取.
主要成果:
- 全球腿部FF在一年内显著增加 (+1.28±2.62%,p=0.017).
- 没有观察到大腿FF,MTR或T2的显著变化.
- 腿部FF与临床和电生理学得分有很强的相关性.
结论:
- 人工智能驱动的qMRI细分适用于纵向ATTRv研究.
- 腿FF是一种敏感的MRI生物标志物,用于在一年内跟踪ATTRv进展.
- 需要进行更大规模的研究,以将qMRI标记与现有的临床和电生理学评估进行比较.
