对于三个公开可用的模型,多发性硬化症中大脑年龄估计的重复性和可重复性
Lonneke Bos1, David R van Nederpelt1, J H Cole2
1MS Center Amsterdam, Radiology and Nuclear Medicine, Amsterdam Neuroscience, Amsterdam UMC Location VUmc, Amsterdam, the Netherlands.
Neuroimage. Reports
|June 26, 2025
概括
人工智能模型从MRI扫描中估计大脑年龄,在扫描仪内显示出高重复性,但在不同MRI扫描仪之间显示出不同的结果. 这种变化影响了多发性硬化症研究中大脑预测年龄差异 (大脑-PAD) 的可靠性.
科学领域:
- 神经成像和人工智能的人工智能
- 生物医学工程 生物医学工程
- 放射学 放射学是一门学科.
背景情况:
- 在MRI扫描中,加速的大脑衰老是多发性硬化症 (MS) 神经退行的一个关键指标.
- 人工智能模型可以从MRI中预测大脑年龄,但它们在不同扫描仪和条件上的表现尚不清楚.
- 了解扫描器变异性对于在临床研究中可靠地应用大脑年龄预测至关重要.
研究的目的:
- 评估大脑预测年龄差异 (大脑-PAD) 的扫描器内可重复性和扫描器间可重复性.
- 为了评估三个不同的AI大脑年龄模型:brainageR,DeepBrainNet和MIDI模型.
- 确定MRI扫描仪的技术变化对MS患者和健康对照者的大脑年龄估计的影响.
主要方法:
- 30名多发性硬化症患者和10名健康对照患者在一天内用3种不同的扫描仪 (3T GE,1.5T Siemens,3T Siemens) 进行了6次MRI扫描.
- 使用 brainageR,DeepBrainNet 和 3D T1w 大脑MRI 扫描上的 MIDI 模型计算了 Brain-PAD.
- 类内相关系数 (ICC) 用于测量扫描器内部一致性 (ICC-AA) 和扫描器之间的一致性 (ICC-C);差异组件分析确定了SEM和SDC.
主要成果:
- 这三种模型都表现出了优异的扫描器内可重复性 (ICC-AA > 0.93).
- BrainageR和MIDI模型显示了良好的到优秀的扫描器间可重现性 (ICC-C>0.85),具有较低的最小可检测变化 (SDC) 值 (分别为6.56和5.57年).
- 在两个西门子扫描仪之间,DeepBrainNet表现出很好的可重复性 (ICC-C:0.97),但在GE和西门子扫描仪之间 (ICC-C:0.63-0.61) 只有中等的可重复性,高SDC为22.65年.
结论:
- 使用人工智能模型估计大脑年龄,在使用相同的MRI扫描仪时显示出高可重复性.
- 扫描器之间的可重现性存在显著的变化,特别是在DeepBrainNet模型中,这影响了不同成像站点的大脑PAD的可靠性.
- 这些发现强调了在多中心MS研究中应用基于AI的脑年龄预测时,需要仔细考虑扫描器特定的校准和验证.
