为了为多发性硬化症（MS）提供正确的治疗，了解疾病从复发-缓解型（RRMS）转变为继发进展型（SPMS）的时间点非常重要。目前，这种转变通常在平均三年后才被识别出来。乌普萨拉大学的研究人员现已开发出一种AI模型，可以以90%的准确率确定患者所处的疾病阶段。该模型增加了及时开始正确治疗的机会，从而减缓疾病的进展。
多发性硬化症是一种慢性、炎症性疾病，影响中枢神经系统。在瑞典，大约有22,000人患有MS。大多数患者最初表现为复发-缓解型（RRMS），其特点是病情恶化和稳定期交替出现。随着时间推移，许多患者会过渡到继发进展型MS（SPMS），此时症状逐渐恶化，没有明显的缓解期。识别这种转变非常重要，因为这两种不同形式的MS需要不同的治疗方法。目前，诊断通常在转变开始后平均三年才做出，这可能导致患者接受不再有效的药物治疗。
基于瑞典MS数据
新的AI模型汇总了瑞典MS登记册中超过22,000名患者的临床数据。该模型基于常规医疗访问期间收集的数据，如神经学测试、磁共振成像（MRI）扫描和正在进行的治疗。
“通过识别以前患者中的模式，该模型可以确定患者是处于复发-缓解型还是已经过渡到继发进展型MS。该模型的独特之处在于它还能表明对每个个体评估的信心程度。这意味着医生将知道结论的可靠性以及AI对其评估的信心程度，”领导这项研究的Kim Kultima说。
90%的准确率
在这项已发表在《数字医学》期刊上的研究中，该模型在近87%的情况下正确或提前识别出继发进展型MS的转变，总体准确率约为90%。
“对于患者来说，这意味着可以更早地进行诊断，从而及时调整治疗方案并减缓疾病进展。这也降低了患者接受不再有效的药物的风险。从长远来看，该模型还可以用于识别适合参与临床试验的参与者，这有助于制定更有效和个性化的治疗策略，”Kultima总结道。
(全文结束)
