新的人工智能模型改善MS诊断

要为多发性硬化症提供正确的治疗，重要的是要知道疾病何时从复发缓解转变为继发性进展，目前认识到这种转变平均晚了3年。乌普萨拉大学（Uppsala University）的研究人员现在开发了一种人工智能模型，可以以90%的确定性确定患者患有哪种变异。

　　

多发性硬化症（MS）是一种慢性中枢神经系统炎症性疾病。在瑞典，大约有22,000人患有多发性硬化症，大多数患者开始时为复发缓解型（RRMS），其特征是在稳定期的间歇恶化。随着时间的推移，许多人转变为继发性进行性多发性硬化症（SPMS），他们的症状逐渐恶化，没有明显的好转。确定这种转变很重要，因为两种不同形式的多发性硬化症需要不同的治疗方法。目前，诊断平均是在过渡开始三年后做出的，这可能导致患者接受不再有效的药物。

基于瑞典MS数据

新的人工智能模型总结了瑞典多发性硬化症登记处超过22,000名患者的临床数据。该模型基于在定期医疗保健访问中收集的数据，例如神经学测试、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模式，该模型可以确定患者是否患有复发缓解型或疾病是否已过渡为继发性进展性多发性硬化症。该模型的独特之处在于，它还表明了对每个个体评估的信心。”这意味着医生将知道结论有多可靠，以及人工智能对其评估有多自信，”该研究的负责人Kim Kultima说。

准确率90%

在这项发表在《数字医学》杂志上的研究中，该模型在近87%的病例中正确或更早地确定了向继发性进展性多发性硬化症的过渡，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，从而可以及时调整患者的治疗，减缓疾病的进展。这也降低了患者接受不再有效的药物的风险。从长远来看，该模型还可以用于确定临床试验的合适参与者——这可能有助于更有效和个性化的治疗策略，”Kultima总结道。

Conformal prediction enables disease course prediction and allows individualized diagnostic uncertainty in multiple sclerosis