基于人工智能的图像处理技术揭示了多发性硬化症（MS）患者标准MRI扫描中原本难以察觉的皮层病变，最新研究显示。研究人员结合多种AI增强图像处理技术，分析了700多名患者的常规MRI扫描，检测并量化了此前无法可视化的10000多个皮层病变。这一发现可能为研究疾病进展和治疗反应开辟新途径。
布法罗大学布法罗神经影像分析中心负责人Robert Zivadinov医学博士、哲学博士在新闻稿中表示："在常规传统MRI扫描中检测此前不可见的皮层病变，对多发性硬化症研究和临床护理具有重大意义。首次观测到这些此前隐藏的疾病进展指标（包括认知障碍和残疾）是一项重要突破。"
该研究成果已于7月7日在线发表于《通讯医学》期刊。
使隐形病变显现
大脑灰质中的皮层病变与多发性硬化症患者的残疾、认知障碍和疾病进展密切相关，但在标准1.5特斯拉和3特斯拉MRI协议下难以检测，因其对白质病变的敏感性远高于皮层病变。
Zivadinov及其同事通过对原发进展型多发性硬化症奥瑞珠单抗（ocrelizumab）III期ORATORIO试验参与者的常规MRI扫描应用AI增强后处理技术，成功观测到这些隐藏的皮层病变。
如预期，常规MRI主要显示白质病变。然而，AI增强的多对比度图像分析在80名患者样本中发现了1182个皮层病变，平均每名参与者14.8个病变。在732名患者的完整数据集中，该方法检测到10366个皮层病变（平均每名患者约14.4个），以及193个新发或扩大的皮层病变。
在各项图像处理方法中，研究团队开发的新技术——多模态皮层病变增强技术（MMCLE）表现最为稳定，能最清晰地区分皮层病变与周围组织，产生最高的信噪比。
在盲法测试中，MMCLE准确识别了86%的皮层病变，同时保持8.4%的相对较低假阳性率。这种基于AI的方法在不同MRI扫描仪和成像协议中均表现出高度可重复性，表明其可用于重新分析大型多中心临床试验的MRI数据。
对未来研究的意义
"我认为最直接的价值在于重新分析现有临床试验数据集并改进未来多发性硬化症试验的设计，"布法罗大学雅各布斯医学院和生物医学科学学院神经病学副教授、该研究第一作者Michael Dwyer博士向《Medscape医学新闻》表示。
"我们需要更好地了解当前和新兴疗法如何影响多发性硬化症中皮层病变的累积，这些发现表明，我们现在可以开始利用已收集的MRI数据开展这项工作，"Dwyer补充道。
尽管转化为个体患者护理尚需时日，但他指出，改进的皮层病变检测最终可能帮助识别高风险患者，并检测常规MRI可能遗漏的突破性疾病活动。然而，在该技术能够指导常规治疗决策之前，还需要更广泛的验证和整合到临床工作流程中。
目前正在进行的额外工作旨在确定该方法是否可用于评估完整ORATORIO数据集中的治疗效果，以及其在复发型-缓解型和继发进展型多发性硬化症患者中是否表现相似。
Dwyer表示，他最终预计基于AI的皮层病变检测将整合到标准MRI软件中，因为制造商正越来越多地将AI衍生的图像处理技术纳入临床成像平台。
"皮层病变检测自然契合这一更广泛的方向，"他说。
本研究部分由基因泰克公司资助。研究作者的披露信息可在原始研究出版物中查阅。
【全文结束】