根据一项新研究，一种分析脑部扫描并结合临床和人口统计数据的AI模型在预测哪些多发性硬化症(MS)患者可能随时间出现认知衰退方面表现出高准确性。
研究人员使用能够显示数据中哪些部分对模型预测影响最大的工具，还能够识别出模型用来区分认知状况恶化的患者和保持稳定的患者的因素。
AI模型可能有助于认知监测
"所提出的多模态AI方法表现出强大的性能，并突出了与认知恶化的相关脑区，强调了其在MS个性化认知评估和监测中的潜力，"研究人员写道。
该研究题为《使用MRI和临床数据预测多发性硬化症中神经认知障碍进展的可解释人工智能》，发表在《欧洲神经病学杂志》上。
在多发性硬化症中，免疫系统攻击并损害大脑和脊髓的健康部分，导致的症状可能包括运动困难以及认知问题，如记忆、学习和思维问题。
根据当前的诊断框架，这些认知变化根据其对个人独立生活能力的影响程度被分类为轻度或重度神经认知障碍(NCDs)。研究表明，许多MS患者符合轻度或重度NCD的标准，但与这些状况相关的临床特征和脑部变化尚未得到充分探索。
尽管AI工具越来越多地被用于预测MS中的认知问题，但许多模型仅依赖一种类型的数据，并且不能清楚地解释它们如何得出预测。
为了解决这些差距，意大利的一个研究团队首先着手检查轻度和重度NCD在MS患者中的普遍程度，并确定与这些状况相关的临床特征和脑部变化。
研究追踪随时间的认知恶化
该团队回顾性分析了在米兰一个研究中心收集的224名成年MS患者和115名健康对照者的数据。MS患者在进行临床评估和脑部MRI扫描前至少三个月无复发、未使用类固醇，并且接受稳定的疾病修饰治疗。MS患者还在研究开始时和中位随访3.4年后完成了认知测试。
研究开始时，10名MS患者(4%)符合轻度NCD标准，24名(11%)符合重度NCD标准。
与无认知障碍的个体相比，重度NCD患者通常年龄更大，患MS时间更长，残疾程度更严重。他们还具有较低的教育水平和认知储备（衡量大脑在损伤情况下功能的指标），并报告更严重的疲劳和更低的与身体健康相关的生活质量。
轻度和重度NCD的参与者也具有更大体积的与MS相关的脑部病变，以及与认知功能相关的丘脑和海马体体积更小。
在随访中，27名MS参与者(12%)经历了认知恶化。在研究开始时没有认知障碍的参与者中，11名(6%)发展为轻度NCD，12名(6%)发展为重度NCD。在最初被诊断为轻度NCD的10名个体中，4名(40%)进展为重度NCD。
模型使用脑部扫描和临床数据
研究人员随后开发了一个AI模型——一个可以从大量数据中学习模式的基于计算机的系统——来预测未来的认知衰退。
该模型使用研究开始时收集的数据构建，包括脑部MRI图像、MRI衍生的测量值（如脑部病变体积和特定脑区体积）、临床测量值（如残疾程度、疾病持续时间和认知储备）以及人口统计学信息（如年龄和性别）。
在内部验证中，使用这些初始特征，该模型以高准确性预测了认知结果，在约90%的病例中正确分类了认知保持稳定和在随访期间经历恶化的患者。
为了更好地了解模型如何做出预测，研究人员使用了可解释性工具，这些工具是帮助揭示哪些特征对模型决策影响最大的方法。
这些分析显示，按重要性排序，最具影响力的因素包括皮质灰质体积、年龄、丘脑和海马体体积、与MS相关的脑部病变体积以及认知储备。
研究人员总结道："本研究中实施的多模态AI展示了高准确性和可靠性，可解释性分析证实了与认知障碍相关的脑区参与。""这些结果支持基于AI的工具在MS个性化认知评估和监测中的潜力。"
【全文结束】