Alat buatan baru (AI) yang dapat membantu menafsirkan dan menilai seberapa baik perawatan bekerja untuk pasien dengan multiple sclerosis (MS) telah dikembangkan oleh para peneliti UCL.
AI menggunakan model matematika untuk melatih komputer menggunakan data dalam jumlah besar untuk mempelajari dan memecahkan masalah dengan cara yang dapat tampak manusia, termasuk melakukan tugas -tugas kompleks seperti pengenalan gambar.
Alat itu, dipanggil Mindglide dapat mengekstraksi informasi utama dari gambar otak (pemindaian MRI) yang diperoleh selama perawatan pasien MS, seperti mengukur area otak yang rusak dan menyoroti perubahan halus seperti penyusutan otak dan plak.
MS adalah kondisi di mana sistem kekebalan tubuh menyerang otak dan sumsum tulang belakang. Ini menyebabkan masalah dalam bagaimana seseorang bergerak, merasakan atau berpikir. Di Inggris, 130.000 orang tinggal dengan MS, menelan biaya NHS lebih dari £ 2,9 miliar per tahun.
Penanda Magnetic Resonance Imaging (MRI) sangat penting untuk mempelajari dan menguji perawatan untuk MS. Namun, mengukur penanda ini membutuhkan berbagai jenis pemindaian MRI khusus, membatasi efektivitas banyak pemindaian rumah sakit rutin.
Sebagai bagian dari studi baru, diterbitkan di Komunikasi Alam, Peneliti menguji efektivitas Mindglide pada lebih dari 14.000 gambar dari lebih dari 1.000 pasien dengan MS.
Tugas ini sebelumnya membutuhkan ahli neuro -radiolog untuk menafsirkan pemindaian kompleks bertahun -tahun secara manual – dan waktu penyelesaian untuk melaporkan gambar -gambar ini sering berminggu -minggu karena beban kerja NHS.
Namun, untuk pertama kalinya, Mindglide Mampu berhasil menggunakan AI untuk mendeteksi bagaimana perawatan yang berbeda mempengaruhi perkembangan penyakit dalam uji klinis dan perawatan rutin, menggunakan gambar yang sebelumnya tidak dapat dianalisis dan gambar pemindaian MRI rutin. Prosesnya hanya memakan waktu lima hingga 10 detik per gambar.
Mindglide Juga berkinerja lebih baik daripada dua alat AI lainnya – Samseg (alat yang digunakan untuk mengidentifikasi dan menguraikan berbagai bagian otak dalam pemindaian MRI) dan WMH -Synthseg (alat yang mendeteksi dan mengukur bintik -bintik terang yang terlihat pada pemindaian MRI tertentu, yang dapat menjadi penting untuk mendiagnosis dan memantau kondisi MS) – bila dibandingkan dengan analisis klinis ahli.
Mindglide 60% lebih baik dari Samseg dan 20% lebih baik dari WMH-synthseg untuk menemukan kelainan otak yang dikenal sebagai plak (atau lesi) atau untuk memantau efek pengobatan.
Penulis Pertama, Dr Philipp Goebl (Institut Neurologi dan UCL Hawkes Institute UCL), mengatakan: “Menggunakan Mindglide akan memungkinkan kita untuk menggunakan gambar otak yang ada di arsip rumah sakit untuk lebih memahami multiple sclerosis dan bagaimana pengobatan mempengaruhi otak.
“Kami berharap alat ini akan membuka informasi berharga dari jutaan gambar otak yang belum dimanfaatkan yang sebelumnya sulit atau tidak mungkin untuk dipahami, segera mengarah pada wawasan berharga tentang multiple sclerosis untuk para peneliti dan, dalam waktu dekat, untuk lebih memahami kondisi pasien melalui AI di klinik. Kami berharap ini akan mungkin terjadi dalam lima hingga 10 tahun ke depan.”
Hasil dari penelitian ini menunjukkan bahwa dimungkinkan untuk digunakan Mindglide Untuk secara akurat mengidentifikasi dan mengukur jaringan otak dan lesi yang penting bahkan dengan data MRI terbatas dan jenis pemindaian tunggal yang biasanya tidak digunakan untuk tujuan ini – seperti MRI T2 -weighted tanpa bakat (jenis pemindaian yang menyoroti cairan dalam tubuh tetapi masih mengandung sinyal cerah – membuat lebih sulit untuk melihat plak).
Serta berkinerja lebih baik dalam mendeteksi perubahan pada lapisan luar otak, Mindglide Juga berkinerja baik di area otak yang lebih dalam.
Temuan ini valid dan dapat diandalkan baik pada satu titik waktu dan dalam periode yang lebih lama (yaitu pada pemindaian tahunan yang dihadiri oleh pasien).
Selain itu, Mindglide mampu menguatkan penelitian berkualitas tinggi sebelumnya mengenai perawatan mana yang paling efektif.
Para peneliti sekarang berharap itu Mindglide Dapat digunakan untuk mengevaluasi perawatan MS dalam pengaturan dunia nyata, mengatasi keterbatasan sebelumnya hanya mengandalkan data uji klinis berkualitas tinggi, yang sering tidak menangkap keragaman penuh orang dengan MS.
Dr Arman Eshaghi (UCL Queen Square Institute of Neurology dan UCL Hawkes Institute), peneliti utama proyek dan timah kelompok MS-Pinpoint, mengatakan: “Kami sebelumnya tidak menganalisis sebagian besar gambar otak klinis karena kualitasnya yang lebih rendah.
Keterbatasan Studi
Implementasi saat ini Mindglide terbatas pada pemindaian otak dan tidak termasuk pencitraan sumsum tulang belakang, yang penting untuk menilai kecacatan pada orang dengan MS. Penelitian di masa depan perlu mengembangkan penilaian yang lebih komprehensif dari seluruh sistem saraf untuk mencakup otak dan sumsum tulang belakang.
Berkembang Mindglide
Mindglide adalah model Deep Learning (AI), yang dikembangkan oleh peneliti UCL, untuk menilai gambar MRI otak dan mengidentifikasi kerusakan dan perubahan yang disebabkan oleh MS. Dalam pengembangan Mindglide Para ilmuwan menggunakan dataset awal 4.247 pemindaian MRI otak dari 2.934 pasien MS di 592 pemindai MRI. Selama proses ini Mindglide melatih dirinya sendiri untuk mengidentifikasi penanda penyakit ini. Studi baru ini dilakukan untuk divalidasi Mindglide terhadap tiga database terpisah dari 14.952 gambar dari 1.001 pasien.
- University College London, Gower Street, London, WC1E 6BT (0) 20 7679 2000
