Új mesterséges intelligencia eszköz a sclerosis multiplex kezelés hatékonyságának követésére
Az Egyesült Királyság kutatói bemutattak egy innovatív mesterséges intelligencia (AI) eszközt, a MindGlide-ot, amelynek célja a sclerosis multiplexben (MS) szenvedő betegek kezelésének értelmezése és értékelése. A University College London (UCL) tudósai által kifejlesztett eszköz jelentős lépést jelent a mesterséges intelligencia integrálása felé az SM-betegek rutinszerű klinikai ellátásába.
A sclerosis multiplex egy krónikus neurológiai állapot, amelyben az immunrendszer tévesen megtámadja az agyat és a gerincvelőt, ami mozgási, érzékelési és megismerési problémákhoz vezet. Az SM progressziójának nyomon követése és a kezelés hatékonyságának meghatározása régóta függ a speciális MRI-képalkotástól, amely rutin klinikai körülmények között nem mindig áll rendelkezésre.
A MindGlide fejlett matematikai modelleket és gépi tanulási algoritmusokat használ nagy mennyiségű adat elemzésére, utánozva az emberhez hasonló problémamegoldó módokat. Egyik legfontosabb jellemzője, hogy képes kinyerni a kulcsfontosságú információkat a rutin MRI agyi vizsgálatokból, még azokból is, amelyeket korábban túl korlátozottnak vagy alapvetőnek tartottak a részletes elemzéshez.
Az AI-eszköz képes azonosítani és mérni az agyszövetek károsodását, észlelni a finom változásokat, például az agyi atrófiát, és azonosítani az SM-hez kapcsolódó plakkokat – olyan markereket, amelyeket speciális képalkotó technikák nélkül általában nehéz nyomon követni. Ez lehetővé teheti a betegség progressziójának értékelését a szokásos kórházi felvételek segítségével, és a meglévő betegadatok hatalmas archívumait is újra-feldolgozhatóvá teszi.
A Nature Communications-ben megjelent új tanulmányban az UCL kutatói több mint 14 000 SM-beteg több mint 14 000 agyképén tesztelték a MindGlide-ot. Az eszköz nemcsak sikeresen felmérte, hogy a különböző kezelések hogyan befolyásolják a betegség progresszióját, hanem rutinszerű MRI-vizsgálatokat is használt, amelyeket általában nem használnak ilyen elemzéshez. A mesterséges intelligencia képenként mindössze öt-tíz másodperc alatt elvégezte az értékeléseket.
„A MindGlide lehetővé teszi számunkra, hogy a kórházi archívumokban meglévő agyi felvételeket felhasználjuk az SM és a kezelés agyra gyakorolt hatásának jobb megértéséhez” – mondta Dr. Philipp Goebl, az UCL Queen Square Neurológiai Intézetének munkatársa. Hozzátette, hogy remélik, hogy ez az eszköz hamarosan, öt-tíz éven belül segíteni fog a klinikai döntéshozatalban. Az eszköz még a gyengébb minőségű vagy egyszekvenciás MRI-felvételek, például a T2-súlyozott, FLAIR-képalkotás nélküli felvételek esetében is hatékonynak bizonyult, amelyek jellemzően kevésbé hasznosak az MS-szel kapcsolatos elváltozások azonosítására.
E korlátok ellenére a MindGlide pontosan kiemelte az elváltozásokat és az agyszöveti elváltozásokat mind a külső, mind a mélyebb agyi régiókban. Megbízhatóan észlelte az időbeli változásokat is, ami igazolja a longitudinális vizsgálatokban való felhasználását. Továbbá a MindGlide elemzése összhangban volt a kezelés hatékonyságára vonatkozó, meglévő, magas színvonalú kutatásokkal, ami alátámasztja, hogy a MindGlide megbízható eszközként használható mind a klinikai, mind a kutatási környezetben az SM-ellátásban.