新AI模型可更早检测多发性硬化症进展

摘要： 一种新的AI模型可以比传统的临床诊断更早地检测出从复发-缓解型多发性硬化症（RRMS）到继发进展型多发性硬化症（SPMS）的转变。该模型使用了超过22,000名患者的数据，分析了常规医疗信息，并且还能显示其对每个评估的信心水平。

在验证测试中，该模型正确识别疾病进展的准确率约为90%，通常比医疗记录中的记录更早。早期检测可以帮助患者更早地接受更有效的治疗，从而减缓疾病进展。

关键事实：

• 高准确性： AI模型在约90%的病例中正确识别了多发性硬化症的进展。

• 早期干预： 早期诊断允许及时调整治疗方案，减少疾病恶化。

• 信心评分： AI还会报告其对每个个体评估的信心水平。

来源： 乌普萨拉大学

多发性硬化症（MS）是一种慢性、炎症性的中枢神经系统疾病。在瑞典，大约有22,000人患有多发性硬化症。

大多数患者最初表现为复发-缓解型（RRMS），其特点是病情恶化和稳定期交替出现。

该模型基于在常规医疗访问期间收集的数据，如神经学测试、磁共振成像（MRI）扫描和正在进行的治疗。随着时间的推移，许多人会转变为继发进展型多发性硬化症（SPMS），此时他们的症状会持续恶化，没有明显的间歇期。识别这种转变非常重要，因为两种不同类型的多发性硬化症需要不同的治疗方法。

目前，诊断平均在转变开始后三年才做出，这可能导致患者接受不再有效的药物。

基于瑞典多发性硬化症数据

新的AI模型汇总了瑞典多发性硬化症登记册中超过22,000名患者的临床数据。该模型基于在常规医疗访问期间收集的数据，如神经学测试、磁共振成像（MRI）扫描和正在进行的治疗。

“通过识别以前患者的数据模式，该模型可以确定患者是处于复发-缓解型还是已经转变为继发进展型多发性硬化症。该模型的独特之处在于它还显示了其对每个个体评估的信心水平。”

“这意味着医生将知道结论的可靠性以及AI对其评估的信心程度。”领导这项研究的Kim Kultima说。

90%的准确性

在这项现已发表在《数字医学》杂志上的研究中，该模型在近87%的病例中正确识别了向继发进展型多发性硬化症的转变，或者比患者病历中记录的时间更早，总体准确率约为90%。

“对于患者来说，这意味着可以更早地做出诊断，从而及时调整患者的治疗方案并减缓疾病的进展。”

“这也减少了患者接受不再有效药物的风险。从长远来看，该模型还可以用于识别适合临床试验的参与者——这有助于开发更有效和个性化的治疗策略。”Kultima总结道。

一个开放的、匿名版本的模型现在可以通过网络服务提供给研究人员：https://msp-tracker.serve.scilifelab.se。

(全文结束)