背景

MS 是一种常见的中枢神经系统 (CNS) 神经退行性和炎症性脱髓鞘疾病。MS 的特征是脊髓和大脑中的局灶性病变和弥漫性神经变性。患有多发性硬化症的人患有严重的认知和身体残疾，有时会导致过早退出劳动力市场。

全球约有 280 万人患有多发性硬化症。疾病修饰疗法（DMT）已被证明非常有效，可以降低疾病复发的风险。

炎症活动是减少复发相关恶化（RAW）的主要病理底物。每年通过磁共振成像 (MRI) 评估 MS 患者对 DMT 的反应。

MRI 在评估影响大量轴突并破坏复杂的整合大脑网络的神经系统疾病方面发挥着至关重要的作用。同样，MRI 和其他成像方式有助于多发性硬化症的诊断以及对该疾病及其对 DMT 反应的监测。

图片存档和通信系统 (PACS) 中缺乏先前或当前的 3D FLAIR 体积，这限制了小病变的准确检测。新病灶或扩大病灶的体积会影响治疗策略，而这在常规临床放射学实践中通常无法检测到。在传统方法中，放射科医生的经验对于分析反映 MS 严重程度的总体 FLAIR 病变负担极其重要。

严重脑容量损失（BVL）与年龄匹配的健康对照之间的比较提供了重要的预后信息。该信息的准确性取决于放射科医生的目视检查。

MRI 扫描间隔 12 个月期间脑体积的变化很小，可能无法通过目视检查确定。无法识别脑容量的短期变化是导致与多发性硬化症结局相关的不良轨迹的一个重要原因，并影响改变或升级 DMT 的临床决策。

医学成像人工智能算法的发展实现了临床检测的自动化。人工智能还被用于大脑结构的分割和不同大脑病理学的分析，包括多发性硬化症病变。

关于该研究

当前的研究基于大量 MS 扫描，评估了 iQ-SolutionsTM（以下简称 iQ-MS）的有效性。MS 扫描的评估由放射科专家在临床环境中独立进行。

研究人员假设，与基于放射学报告的传统方法相比，基于人工智能的工具可以更灵敏、更准确地评估疾病活动的 MRI 扫描报告。

iQ-Solutions™ 通过一系列基于深度神经网络技术的 AI 算法以医学数字成像和通信 (DICOM) 格式对脑部扫描进行分析。基于人工智能的算法是根据 8,500 份脑部扫描数据设计的，这些扫描数据由熟练的神经影像分析师进行了专业注释。

根据 3,000 多名健康对照者的 MRI 扫描和 839 名多发性硬化症患者的独立样本创建了参考队列。两个样品均采用相同的方法进行处理。

研究结果

iQ-Solutions^TM系统生成与 MS 相关的全脑横截面和纵向、病变指标和大脑亚结构的数据。该人工智能工具可以实现许多图片存档和通信系统 (PACS) 的可视化，供放射科医生查看。扫描图像会自动接受质量检查，以获得最佳的预对比 3D-T1 和 3D FLAIR 序列，其中包含 30 多个厚度为 3 毫米 (mm) 或以上的切片。

基于3D-UNet设计了横截面分割算法，能够提取图像特征，然后进行预测头。通过将案例和体素方面的 DICE 评分与熟练的神经影像分析师生成的真实报告进行比较来进行交叉验证。

通过iQ-Solutions测量不同时间点的病变活动，表明新的和扩大的病变的发展。此外，iQ-MS 显示扩大的病变为新的病变体素，这些体素与先前研究中报告的 26 体素邻域内的现有病变相关。

LG-Net 是一种用于大脑和子结构体积分析的病变修复模型。该系统应用于 3DT1 图像，以改善由于 MS 病变的存在而产生的分割偏差。

值得注意的是，iQ-Solutions 在两个扫描时间点之间执行许多检查。如果出现错误，则会报告纵向指标，但会向用户返回一条协议不规则警告。

iQ-MS 工具配备 DeepBVC 算法，可评估纵向全脑体积变化。基于人工智能的分割模型与雅可比方法相结合，可以估计整个灰质和丘脑体积的变化。

此外，iQ-MS 还为个体患者提供体积数据作为标准化值。该工具提供以年龄、残疾和病程相似的假设多发性硬化症患者为基准的脑容量和多发性硬化症病变体积数据。这提供了更具临床意义和经验的参考。

结论

实验结果支持使用 iQ-MS 监测多发性硬化症患者。与核心 MRI 分析实验室报告和放射学报告相比，当前的 AI 工具提供了更好的临床评估。

研究结果强调，使用 iQ-MS 可以改善临床成像、疾病特异性研究以及对 MS 患者的实时管理。