人工智能驱动的多发性硬化症进展的重新分类
Habib Ganjgahi1,2, Dieter A Häring3, Piet Aarden3
1Department of Statistics, University of Oxford, Oxford, UK.
Nature medicine
|August 20, 2025
概括
多发性硬化症 (MS) 通过机器学习被重新分类为疾病连续性,而不是不同的亚型. 这种基于残疾,脑损伤和活动的新模式,可以改善对数百万受MS影响的人的理解和治疗.
科学领域:
- 神经学 神经学
- 数据科学数据科学数据科学
- 医学分类 医学分类
背景情况:
- 传统的多发性硬化症 (MS) 亚型缺乏预后价值,并阻碍了药物发现.
- 目前的分类未能捕捉到MS的病理生物学和疾病的演变.
- 需要一种新的方法来更好地理解和管理MS.
研究的目的:
- 开发一个数据驱动的MS疾病演变的分类.
- 确定定义MS疾病状态的关键维度.
- 为改善患者管理和药物发现提出一个精细的分类.
主要方法:
- 对大型临床试验数据库的分析 (大约. 8000名患者) 使用概率机器学习.
- 包括临床数据,MRI扫描和患者访问.
- 在独立的临床试验数据库和真实世界队列 (超过4000名患者) 中验证.
主要成果:
- 确定了MS的四个维度:身体残疾,脑损伤,复发和亚临床疾病活动.
- 定义了疾病谱的两个极点:早期/轻度/进化 (EME) 的MS和高级的MS.
- 通过脑损伤积累,向晚期多发性硬化症转变,其进展独立于复发.
结论:
- 多发性硬化应该被视为一种疾病连续性,而不是单独的亚型.
- 拟议的分类提供了对MS的统一理解.
- 这种方法可以提高患者管理,加快MS的药物发现.
