在多发性硬化症中使用磁共振成像来预测AI驱动的疾病进展:系统性审查和元分析

科学领域:

• 神经成像和人工智能的人工智能
• 临床神经学 临床神经学
• 生物统计学 生物统计学

背景情况:

• 多发性硬化症 (MS) 的残疾进展仍然是一个重大的临床挑战,即使有疾病修饰疗法.
• 使用磁共振成像 (MRI) 的人工智能 (AI) 模型显示出个性化MS预后的前景.
• 这些人工智能模型的真实准确性和临床实用性需要系统的评估.

研究的目的:

• 系统地审查和分析现有的AI模型研究,这些研究使用MRI来预测MS患者未来的残疾进展.
• 评估这些人工智能驱动的预测工具的准确性和可靠性.
• 确定当前基于AI的MS预后的局限性和改进领域.

主要方法:

• 根据PRISMA的指导方针,在2025年5月17日之前对五个数据库进行了全面搜索.
• 如果在人工智能模型中使用MRI数据来预测扩展残疾状况量表 (EDSS) 或类似指标的变化,则将研究纳入.
• 研究选择,数据提取和质量评估 (QUADAS-2) 是由两个独立的审稿人进行的,随机效应元分析用于兼容的回归数据.

主要成果:

• 涉及12,252名多发性硬化患者的21项研究符合纳入标准,主要使用传统机器学习 (57%) 与深度学习 (38%) 相比.
• 平均性能指标包括分类任务的曲线下的面积 (AUC) 为0.78和回归的根平均平方误差 (RMSE) 为1.08 EDSS点.
• 在回归研究中,聚合RMSE为1.31 (95%CI为1.02-1.60),深度学习在经典算法上没有显著优势. 只有六项研究报告了外部验证,方法报告往往有限.

结论:

• 基于MRI的AI模型对MS残疾进展的预测准确度中等,但它们目前的误差幅度超过一个EDSS点,影响了个体患者的实用性.
• 显著的局限性包括缺乏协调的终点,不够的多中心数据,以及代码的外部验证和报告不足.
• 未来的临床采用需要标准化的方法,更大的数据集,严格的验证和包含临床医生反的潜在试验.