医学网
www.yixuew.cn

人工智能平台可在0.36秒内高精度诊断肌张力障碍

Mass Eye and Ear的研究人员开发了一种独特的诊断工具,该工具可以从MRI扫描中检测肌张力障碍,这是提供该疾病客观诊断的同类技术中的第一项。肌张力障碍是一种潜在的致残神经系统疾病,会导致肌肉非自愿收缩,导致异常的运动和姿势。它经常被误诊,并且可能需要长达10年的时间才能做出正确的诊断。

在9月28日于PNAS上发表的一项新研究中,研究人员开发了一个基于AI的深度学习平台-DystoniaNet-比较了612人的脑部MRI,其中包括392名患有三种不同形式的孤立性局部性肌张力障碍的患者和220名健康个体。该平台诊断出肌张力障碍的准确性为98.8%。在此过程中,研究人员确定了肌张力障碍的新的微结构神经网络生物学标记。通过进一步的测试和验证,他们相信DystoniaNet可以轻松集成到临床决策中。

“目前尚无肌张力障碍的生物标志物,也没有'金标准'测试可用于诊断。因此,在排除其他疾病并确定肌张力障碍的诊断之前,许多患者必须进行不必要的手术并去看不同的专家,”高级研究作者Kristina Simonyan,医学博士,医学博士,大众眼与耳喉学研究主任,麻省总医院副神经科学家,哈佛医学院耳鼻咽喉头颈外科副教授。“迫切需要开发,验证和整合客观的测试工具来诊断这种神经系统疾病,我们的结果表明DystoniaNet可以填补这一空白。”

众所周知难以诊断的疾病

每100,000人中约有35人患有孤立或原发性肌张力障碍-由于目前在诊断这种障碍方面的挑战,这一患病率可能被低估了。在某些情况下,肌张力障碍可能是神经系统事件(例如帕金森氏病或中风)的结果。但是,大多数孤立的肌张力障碍病例没有已知原因,并且会影响体内的单个肌肉群。这些所谓的局灶性肌张力障碍可以导致残疾以及身体和情感生活质量方面的问题。

该研究包括三种最常见的局灶性肌张力障碍类型:喉肌张力障碍,其特征是声带的非自愿运动会导致言语困难(也称为痉挛性肌张力障碍);颈肌张力障碍,导致颈部肌肉痉挛,颈部以异常方式倾斜;眼睑痉挛,眼睑局灶性肌张力障碍,引起不随意抽搐和强力闭合眼睑。

西蒙扬医生说,传统上,肌张力障碍的诊断是基于临床观察。先前的研究发现,仅基于临床评估,临床医生之间关于肌张力障碍诊断的协议低至34%,并且报告说约有50%的病例在初次就诊时被误诊或诊断不足。

DystoniaNet可以整合到医疗决策中

DystoniaNet利用深度学习(一种特殊类型的AI算法)来分析来自单个MRI的数据并识别大脑结构的细微差别。该平台能够检测已知在大脑中几个区域的异常结构簇,这些簇可控制处理和运动命令。这些细微的变化在MRI中无法用肉眼看到,而且只有通过平台拍摄3D脑部图像并放大其微结构细节的能力,这些模式才能显现出来。

“我们的研究表明,用于肌张力障碍诊断的DystoniaNet平台的实施将对该疾病的临床管理产生变革性作用,”第一项研究作者Davide Valeriani博士说,他是马萨诸塞州肌张力障碍和语音运动控制实验室的博士后研究员眼耳与哈佛医学院。“重要的是,我们的平台旨在通过提供患者的诊断,人工智能对诊断的信心以及有关哪些大脑结构异常的信息,为临床医生提供高效且可解释的平台。”

DystoniaNet是由Simonyan博士和Valeriani博士与Mass Brigham Innovation共同开发的正在申请专利的专有平台。该技术可在0.36秒内解释MRI扫描的微结构生物标记。DystoniaNet已使用Amazon Web Services计算云平台进行了培训。研究人员认为,这项技术可以轻松地转化为临床环境,例如可以集成到电子病历中或直接集成在MRI扫描仪软件中。如果DystoniaNet在MRI中发现肌张力障碍的可能性很高,则医生可以使用此信息来帮助您自信地确定诊断,采取进一步的行动并立即提出治疗方案。肌张力障碍无法治愈,但是某些治疗方法可以帮助减少与肌张力障碍相关的痉挛的发生率。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。