Drei neue Multiple-Sklerose-Subtypen mithilfe von KI identifiziert
2021
University College London, London, Großbritannien
Multiple Sklerose (MS) kann anhand der klinischen Entwicklung in vier Phänotypen eingeteilt werden. Die pathophysiologischen Grenzen dieser Phänotypen sind unklar, was die Stratifizierung der Behandlung einschränkt. Maschinelles Lernen kann Gruppen mit ähnlichen Merkmalen anhand mehrdimensionaler Daten identifizieren. Um MS-Subtypen auf Basis pathologischer Merkmale zu klassifizieren, wurde das mit künstlicher Intelligenz arbeitende Tool SuStaIn (Subtype and Stage Inference) auf MRT-Scans des Gehirns angewendet, die von zuvor veröffentlichten Studien gewonnen wurden. Verwendet wurde ein Trainingsdatensatz von 6322 MS-Patienten, um MRI-basierte Subtypen zu definieren, und eine unabhängige Kohorte von 3068 Patienten zur Validierung. Basierend auf den frühesten Anomalien definieren die Autoren MS Subtypen als Kortex-geleitet, normal erscheinende weiße Substanz-geleitet und Läsions-geleitet. Menschen mit dem läsionsgeleitetem Subtyp haben das höchste Risiko einer bestätigten Behinderungsprogression und höchste Rückfallrate. Menschen mit dem Subtyp der läsionsgeleiteten MS zeigen ein positives Therapieansprechen in ausgewählten klinischen Studien. Die Ergebnisse legen nahe, dass MRI-basierte Subtypen die MS Progression der Behinderung und Ansprechen auf die Behandlung vorhersagen und zur Definition von Patientengruppen in interventionellen Studien verwendet werden können.
Identifying multiple sclerosis subtypes using unsupervised machine learning and MRI data
Arman Eshaghi
Eingestellt am: 15.04.2021
[1] https://www.nature.com/articles/s41467-021-22265-2[2] https://www.technologynetworks.com/neuroscience/news/three-new-multiple-sclerosis-subtypes-identified-using-ai-347414
