AI aləti dağınıq skleroz müalicəsinin effektivliyini izləyə bilər

UCL tədqiqatçıları tərəfindən dağınıq skleroz (MS) xəstələri üçün müalicələrin nə qədər yaxşı işlədiyini şərh etməyə və qiymətləndirməyə kömək edə biləcək yeni süni intellekt (AI) aləti hazırlanıb.
Süni intellekt riyazi modellərdən kompüterləri öyrətmək üçün böyük həcmli məlumatlardan istifadə edərək problemləri insan kimi görünə biləcək şəkildə öyrənmək və həll etmək, o cümlədən təsvirin tanınması kimi mürəkkəb tapşırıqları yerinə yetirmək üçün istifadə edir .
MindGlide adlanan alət MS xəstələrinə qulluq zamanı əldə edilmiş beyin görüntülərindən (MRT taramaları) əsas məlumatları çıxara bilər, məsələn, beynin zədələnmiş sahələrini ölçmək və beyin kiçilməsi və lövhələr kimi incə dəyişiklikləri vurğulamaq.
MS immunitet sisteminin beyin və onurğa beyninə hücum etdiyi bir vəziyyətdir . Bu, insanın hərəkət, hiss və ya düşünmə tərzində problemlər yaradır. Böyük Britaniyada 130,000 insan MS ilə yaşayır və NHS-ə ildə 2,9 milyard funt sterlinqdən çox xərc çəkir.
Maqnit rezonans görüntüləmə (MRT) markerləri MS üçün müalicələrin öyrənilməsi və sınaqdan keçirilməsi üçün çox vacibdir. Bununla belə, bu markerlərin ölçülməsi bir çox adi xəstəxana taramalarının effektivliyini məhdudlaşdıran müxtəlif növ ixtisaslaşmış MRT taramalarına ehtiyac duyur.
Nature Communications -da dərc olunan yeni bir araşdırmanın bir hissəsi olaraq , tədqiqatçılar MindGlide-nin effektivliyini MS olan 1000-dən çox xəstənin 14.000-dən çox görüntüsündə sınaqdan keçirdilər.
Bu tapşırıq əvvəllər ekspert neyro-radioloqlardan illərlə mürəkkəb skanları əl ilə şərh etmələrini tələb edirdi və bu görüntülərin hesabata çevrilmə müddəti NHS iş yükü səbəbindən çox vaxt həftələrdir.
Bununla belə, MindGlide ilk dəfə olaraq əvvəllər təhlil edilə bilməyən şəkillərdən və gündəlik MRT skan şəkillərindən istifadə edərək, klinik sınaqlarda və gündəlik qayğıda müxtəlif müalicələrin xəstəliyin gedişatına necə təsir etdiyini aşkar etmək üçün süni intellektdən uğurla istifadə edə bildi. Proses hər şəkil üçün cəmi 5-10 saniyə çəkdi.
MindGlide həmçinin iki digər süni intellekt alətindən – SAMSEG (MRT taramalarında beynin müxtəlif hissələrini müəyyən etmək və təsvir etmək üçün istifadə edilən alət) və WMH-SynthSeg (müəyyən MRT taramalarında görünən parlaq ləkələri aşkar edən və ölçən alət, MS kimi diaqnostika və monitorinq üçün vacib ola bilən alət) – ekspert kliniki analizi ilə müqayisədə daha yaxşı çıxış etdi.
MindGlide lövhə (və ya lezyonlar) kimi tanınan beyin anormallıqlarını tapmaq və ya müalicə effektini izləmək üçün SAMSEG-dən 60% və WMH-SynthSeg-dən 20% daha yaxşı idi.
Birinci müəllif, Dr. Philipp Goebl (UCL Queen Square Institute of Neurology və UCL Hawkes Institute) dedi: “MindGlide-dən istifadə bizə dağınıq sklerozu və müalicənin beyinə necə təsir etdiyini daha yaxşı başa düşmək üçün xəstəxana arxivlərində mövcud beyin təsvirlərindən istifadə etməyə imkan verəcək.
“Ümid edirik ki, alət əvvəllər başa düşülməsi çətin və ya qeyri-mümkün olan milyonlarla istifadə olunmamış beyin təsvirlərindən qiymətli məlumatları açacaq, tədqiqatçılar üçün dərhal dağınıq skleroz haqqında dəyərli fikirlərə gətirib çıxaracaq və yaxın gələcəkdə klinikada süni intellekt vasitəsilə xəstənin vəziyyətini daha yaxşı başa düşəcək. Ümid edirik ki, bu, növbəti 5-10 il ərzində mümkün olacaq”.
Tədqiqatın nəticələri göstərir ki, əhəmiyyətli beyin toxumalarını və lezyonlarını dəqiq müəyyən etmək və ölçmək üçün MindGlide-dən istifadə etmək mümkündür, hətta məhdud MRT məlumatları və adətən bu məqsəd üçün istifadə edilməyən tək növ skanlar – məsələn, FLAIR olmadan T2-çəkili MRT (bədəndəki mayeləri vurğulayan, lakin hələ də parlaq siqnalları ehtiva edən skan növü – lövhəni görməyi çətinləşdirir).
MindGlide beynin xarici təbəqəsindəki dəyişiklikləri aşkar etməkdə daha yaxşı performans göstərməklə yanaşı, beynin daha dərin bölgələrində də yaxşı performans göstərmişdir.
Tapıntılar həm bir anda, həm də daha uzun dövrlərdə (yəni xəstələrin iştirak etdiyi illik skanlarda) etibarlı və etibarlı idi.
Bundan əlavə, MindGlide hansı müalicələrin ən təsirli olduğuna dair əvvəlki yüksək keyfiyyətli araşdırmaları təsdiqləyə bildi.
Tədqiqatçılar indi ümid edirlər ki, MindGlide MS müalicəsini real dünya şəraitində qiymətləndirmək üçün istifadə oluna bilər, yalnız yüksək keyfiyyətli klinik sınaq məlumatlarına güvənməklə bağlı əvvəlki məhdudiyyətləri aradan qaldıraraq, tez-tez MS olan insanların tam müxtəlifliyini əks etdirmir.
Layihənin baş müstəntiqi və MS-PINPOINT qrupunun rəhbəri Dr. Arman Eshaghi (UCL Queen Square Institute of Neurology və UCL Hawkes Institute) dedi: “Biz əvvəllər klinik beyin görüntülərinin əsas hissəsini keyfiyyətinin aşağı olması səbəbindən təhlil etmirdik. Süni intellekt xəstəxanada MS-in xəzinəsinin inkişafı ilə bağlı xəzinə edilmiş məlumatların irəliləyişini təmin etmək üçün istifadə olunmamış potensialı açacaq. və müalicələrin necə işlədiyini və beyinə necə təsir etdiyini.
Tədqiqat məhdudiyyətləri
MindGlide-nin hazırkı tətbiqi beyin skanları ilə məhdudlaşır və MS-li insanlarda əlilliyi qiymətləndirmək üçün vacib olan onurğa beyni görüntüsünü əhatə etmir.
Gələcək tədqiqatlar həm beyni, həm də onurğa beynini əhatə etmək üçün bütün sinir sisteminin daha əhatəli qiymətləndirilməsini inkişaf etdirməli olacaq.
MindGlide-nin inkişafı
MindGlide, beynin MRT görüntülərini qiymətləndirmək və MS-nin səbəb olduğu zədə və dəyişiklikləri müəyyən etmək üçün UCL tədqiqatçıları tərəfindən hazırlanmış dərin öyrənmə (AI) modelidir. MindGlide-nin inkişaf etdirilməsi zamanı elm adamları 592 MRT skanerində 2934 MS xəstəsinin 4247 beyin MRT taramasından ibarət ilkin məlumat toplusundan istifadə ediblər.
Bu proses zamanı MindGlide xəstəliyin markerlərini müəyyən etmək üçün özünü məşq edir. Bu yeni araşdırma, 1001 xəstənin 14,952 təsvirindən ibarət üç ayrı verilənlər bazasına qarşı MindGlide-ni təsdiqləmək üçün aparılmışdır.
Ətraflı məlumat: Çox Skleroz Tədqiqatları üçün Klinik MRT Arxivlərinin Çevik, Tək Kontrastlı yanaşma ilə dəyişdirilməsi: Köhnə Skanlardan Yeni Anlayışlar, Təbiət Kommunikasiyaları (2025). DOI: 10.1038/s41467-025-58274-8
Jurnal məlumatı: Nature Communications London Universitet Kolleci tərəfindən təmin edilmişdir