通过将临床MRI档案重新用于多发性硬化症研究,从旧扫描中获得新的见解

科学领域:

• 神经成像是一种神经成像.
• 人工智能在医学中的应用
• 生物标志物发现发现

背景情况:

• 磁共振成像 (MRI) 生物标志物对于多发性硬化症 (MS) 研究和临床试验至关重要.
• 目前的量化方法需要多对比的MRI协议,限制了广泛的单对比医院档案的实用性.

研究的目的:

• 开发和验证一个深度学习模型,MindGlide,能够从任何单个MRI对比中提取大脑区域和白质病变体积.
• 为了使以前无法访问的档案单对比MRI数据进行定量分析,用于MS研究.

主要方法:

• 在MindGlide的训练中,使用了592个扫描仪对2934名多发性硬化患者的4247次脑部MRI扫描.
• 外部验证涉及临床试验和常规护理数据集中的1001名患者的14952次扫描.
• 模型性能与使用专家标记的损伤体积的最先进模型进行了比较.

主要成果:

• 在病变体积量化方面,MindGlide的表现优于现有的两种最先进的模型.
• 该模型检测了临床试验中对T2损伤累积和灰质体积损失的治疗效应.
• 对常规护理数据的分析显示了与治疗疗效相关的损伤体积变化.

结论:

• MindGlide提供了一种新的解决方案,用于在MS中对单对比MRI进行定量分析.
• 该模型从大型未开发的医院MRI数据集中获取见解,促进更广泛的MS研究和临床试验应用.
• 这项技术可以显著提高对多发性硬化症疾病进展和治疗反应的理解.