编辑推荐：
为解决多发性硬化（MS）研究中利用单对比 MRI 定量分析困难及常规临床扫描数据难以充分利用的问题，研究人员开展了开发能从单 MRI 对比中提取生物标志物的深度学习模型的研究。结果显示 MindGlide 模型性能优异，可检测治疗效果，这为 MS 研究及临床决策提供了有力工具。
在医学领域，多发性硬化（Multiple Sclerosis，MS）是一种严重的慢性致残性疾病，全球超 280 万人深受其害，尤其对年轻人影响巨大。磁共振成像（Magnetic Resonance Imaging，MRI）生物标志物在 MS 的临床研究和试验中至关重要，能作为评估疾病进展和治疗效果的关键指标。典型的成像协议需要多对比 MRI 扫描，像液体衰减反转恢复（FLAIR）和 T2 加权图像可捕捉新的或扩大的病变，反映炎症情况；T1 加权图像则能显示脑萎缩，提示神经退行性变。然而，多对比扫描耗时久、成本高，在临床环境中应用受限。而且，医院大量的单对比扫描档案因难以进行定量分析，其中蕴含的疾病信息被白白浪费。另外，常规临床扫描数据的高度异质性，也给脑结构和病变的可靠自动体积测量带来极大阻碍。因此，开发一种高效工具来处理这些复杂扫描数据，挖掘其中的生物标志物，对推动 MS 研究和临床决策意义重大。
为解决这些难题，来自英国伦敦大学学院（University College London）等多个研究机构的研究人员展开了深入研究。他们成功开发并验证了一种名为 MindGlide 的对比无关深度学习模型，该研究成果发表在《Nature Communications》上。
研究人员在开发 MindGlide 模型时，采用了多项关键技术方法。首先，以 “nnU-Net” 为基础构建 3D 卷积神经网络（3D Convolutional Neural Network，3D CNN），利用其自动自配置功能，避免了繁琐的超参数调整。其次，在训练数据方面，从国际进行性多发性硬化联盟（International Progressive Multiple Sclerosis Alliance）的数据存储库中采样，并使用已有分割数据结合手动质量控制生成训练标签。同时，运用数据增强技术，通过扭曲真实扫描和生成合成扫描，增加数据多样性，提升模型泛化能力。此外，使用多个独立的未见过的数据集进行外部验证，包括 MS-STAT 试验、ORATORIO 试验、儿科复发缓解型 MS 患者的常规护理数据集以及两个开源数据集等。
研究结果如下：
- 研究概述和患者特征：MindGlide 是一个 3D CNN，能处理医院档案中常见的多种 MRI 对比扫描数据，包括 T1 加权、T2 加权、质子密度（Proton Density，PD）和 T2-FLAIR 等，且涵盖 2D 和 3D 扫描。训练集包含来自 592 台扫描仪的 4247 次真实扫描及 4303 次合成扫描，涉及复发缓解型（Relapsing-Remitting，RR）、继发进展型（Secondary Progressive，SP）和原发进展型（Primary Progressive，PP）MS 患者。外部验证集则包含 1001 名患者的 14952 次扫描，来自不同的临床试验和真实世界队列，涵盖多种 MRI 对比和不同年龄段患者。
- 外部队列的横断面验证：将 MindGlide 与当前最先进的模型 WMH-SynthSeg 和 SAMSEG 进行对比，MindGlide 在病变分割的骰子得分（Dice score）上表现更优，其中位数达到 0.606。在与残疾程度评分（Expanded Disability Status Scale，EDSS）的相关性方面，MindGlide 在多个脑区和 MRI 对比中也显示出较高的相关性。例如，在 T2-FLAIR 扫描中，MindGlide 衍生的病变负荷与 EDSS 的相关系数为 0.127（P<0.001），高于其他两种模型。
- 纵向验证：在 SPMS 和 PPMS 试验中，MindGlide 成功检测到治疗对病变累积和脑组织损失的影响。在 SPMS 试验中，使用 T2 加权 MRI 时，安慰剂组的病变体积累积速度比治疗组快，但差异接近显著（1.12 mL / 年 vs 0.768 mL / 年；P=0.054）；使用 3D T1 加权 MRI 时，差异显著（1.874 mL / 年 vs 1.071 mL / 年；P=0.005）。在 PPMS 试验中，治疗组在所有 MRI 对比下的病变体积累积速度均显著慢于安慰剂组。在脑组织损失方面，MindGlide 显示治疗组在多个 MRI 对比下的皮质和深部灰质体积损失速度更慢。
- 比较治疗效果：在 PPMS 临床试验中，MindGlide 衍生的病变体积治疗效果与真实值更接近，而 SAMSEG 高估、WMH-Synthseg 低估了治疗效果。在区域脑体积测量中，MindGlide 检测到的治疗组间差异比其他工具更大，表明其对细微变化的检测更敏感。在常规护理临床数据集的分析中，MindGlide 的分割失败率仅为 1%，远低于 WMH-Synthseg 的 15%。
- 一致性：MindGlide 在不同 MRI 对比下的分割结果一致性强，除视神经交叉（ICC 为 0.59）外，其他脑区的 ICC 值大多在 0.85 - 0.98 之间，MS 病变的 ICC 为 0.95。在纵向研究中，不同 MRI 对比下的脑体积变化测量也具有较高的一致性。同时，研究还发现 2D 扫描在检测体积变化时存在一定的敏感性损失，与 3D 扫描相比，2D 扫描对皮质灰质萎缩的检测敏感性降低更为明显。
在研究结论与讨论部分，MindGlide 展现出多方面优势。它能从单一 MRI 对比中提取多种临床相关的生物标志物，在病变分割、处理常规临床扫描数据及检测皮质灰质变化等方面表现卓越，可有效捕捉治疗对疾病活动和神经退行性变的影响。不过，该研究也存在一定局限性，如 2D 扫描检测治疗效果的敏感性低于 3D 扫描，当前模型仅适用于脑部扫描，且分割标签数量有限，不适用于脑结构的详细分割。但总体而言，MindGlide 为 MS 研究和临床决策提供了重要工具，有助于推动 MS 研究利用多样化的临床 MRI 数据集开展大规模研究，对深入了解 MS 疾病机制、评估治疗效果具有重要意义，也为未来相关研究指明了方向，如进一步拓展模型应用范围至整个中枢神经系统等。
