对于儿科发病多发性硬化症患者的Lhermitte标志的人工智能模型:一项后续研究

科学领域:

• 神经学 神经学
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 勒米特标志 (LS) 是多发性硬化症 (MS) 的关键临床指标.
• 在儿科发病的MS (POMS) 中对LS的研究很少,没有先前的研究将临床LS与基于AI的放射性发现相关联.
• 这项研究解决了在POMS中对LS的有限理解.

研究的目的:

• 调查Lhermitte的标志 (LS) 和POMS的临床发现之间的关系.
• 基于人工智能驱动的放射性特征来分析这些关联.
• 探索在POMS中脊髓成像的诊断和预后潜力.

主要方法:

• 收集了POMS患者的社会人口统计,临床和放射学数据.
• 归类的LS存在 (缺席,过去,现在或两者兼而有之).
• 根据MS持续时间 (<10年和≥10年) 和分析的病变频率对患者进行分组.

主要成果:

• 包括92名POMS患者;与没有LS (A组) 患者相比,患有过去或当前LS (B组和C组) 的患者的上宫病变 (C1-4) 较为频繁.
• 在MS持续至少10年的患者中,A组显示C1-4病变的频率最低.
• 基于AI的分析揭示了LS与特定病变位置之间的相关性.

结论:

• 人工智能驱动的脊柱成像显示,与脑MRI相比,在POMS中早期诊断,预后和治疗监测方面具有前景.
• 这是POMS中LS的首次大规模调查,将临床表现与放射性发现相关联.
• 建议进行进一步的多中心研究,以完善在POMS中对LS的理解和识别.