m+Medelevator.RU
← Поиск публикаций
Journal of neuroradiology = Journal de neuroradiologie · 2025

Искусственный интеллект в обнаружении множественных склерозовых таблеток: может ли он повлиять на решение о лечении?

СтатьяНазвание и аннотация: Машинный перевод · не проверен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Mastilović Milica, Muños-Ramírez Verónica, Rauschecker Andreas M, Boban Jasmina, Blanchere Marie, Cotton Francois, Heinzlef Olivier, Edjlali Myriam

Аннотация

СПРАВОЧНАЯ ИНФОРМАЦИЯ И ЦЕЛЬ: Для контроля за продвижением множественных склерозов (MS) для выявления новых или расширяющихся повреждений (EL) используются последующие МРТ, как правило, посредством сопоставления вручную - процесс, требующий много времени и подверженный ошибкам. В этом ретроспективном исследовании использовался инструмент Pixyl.Neuro.MS, основанный на АИ, для оценки того, улучшают ли полученные с помощью АИ показания обнаружение повреждений и оказывают ли они влияние на принятие решений о лечении. МАТЕРИАЛЫ И МЕТОДЫ. Для сопоставления предыдущих и новых МРТ было использовано программное обеспечение, основанное на глубоком обучении Pixyl.Neuro.MS. Этот инструмент осуществляет сегментацию и характеристику повреждений в соответствии с их временной эволюцией, облегчая анализ новых повреждений и ЭЛ. Впоследствии был подготовлен новый радиологический отчет при содействии АИ, который был сопоставлен с обычным радиологическим отчетом. На основе интеграции доклада МА с неврологическими оценками была проведена оценка его потенциального воздействия на решения о лечении, в отличие от тех, которые основаны исключительно на стандартном радиологическом отчете. РЕЗУЛЬТАТЫ: В этой группе из 83 пациентов MS (старше 49 лет, преимущественно женщины) анализ МРТ, проведенный радиологами при помощи ИИ, значительно превысил стандартную радиологическую интерпретацию. Новые повреждения были выявлены у 30,1% пациентов с помощью анализа с помощью АИ по сравнению с 14,6% с обычной отчетностью (p <0,001). ЭЛ были обнаружены в 33,7% пациентов по результатам оценки, проведенной при поддержке АИ (p <0,001), в то время как ни один из них не был идентифицирован с помощью стандартной интерпретации. В среднем радиологи, опираясь на помощь ИИ, выявили больше новых повреждений на пациента (0,82 против 0,46) и достигли более высокого числа действительно позитивных повреждений. Важно отметить, что интеграция результатов, полученных с помощью АИ, с клиническими данными привела к изменению лечения 10,8% пациентов, что подчеркивает потенциальное клиническое воздействие этого подхода.ЗАКЛЮЧЕНИЕ: Искусственный интеллект может играть ключевую роль в улучшении обнаружения новых повреждений и ЭЛ у пациентов с синдромом MS. Использование Pixyl.Neuro.MS -- усовершенствованное радиологическое толкование, дающее более всеобъемлющую оценку результатов МРТ по сравнению с обычным анализом. Такое повышение точности диагностики способствовало пересмотру решений о лечении в группе пациентов.
Оригинал публикации

Artificial intelligence in the detection of multiple sclerosis plaques: Can it influence the treatment decision?

BACKGROUND AND PURPOSE: To monitor multiple sclerosis (MS) progression, follow-up MRIs are used to detect new or enlarging lesions (ELs), typically through manual comparison - a time-consuming, error-prone process. This retrospective study used Pixyl.Neuro.MS®, an AI-based tool, to assess whether AI-assisted readings improve lesion detection and influence treatment decisions.

MATERIALS AND METHODS: The study was conducted retrospectively on MS patients. For the comparison of previous and new MRIs, the deep-learning-based software Pixyl.Neuro.MS® was used. This tool performs lesion segmentation and characterization according to their temporal evolution, facilitating the analysis of new lesions and ELs. Subsequently, a new AI-assisted radiological report was generated and compared with the conventional radiological report. By integrating the AI report with neurological assessments, its potential impact on treatment decisions, in contrast to those based solely on the standard radiological report, was evaluated.

RESULTS: In this cohort of 83 MS patients (mean age 49 years, predominantly female), MRI analysis performed by radiologists with AI assistance significantly outperformed standard radiological interpretation. New lesions were identified in 30.1 % of patients using AI-assisted analysis, compared to 14.6 % with conventional reporting (p < 0.001). ELs were detected in 33.7 % of patients through AI-supported evaluation (p < 0.001), while none were identified with standard interpretation. On average, radiologists, aided by AI, identified more new lesions per patient (0.82 vs. 0.46) and achieved a higher true-positive lesion count. Importantly, integrating AI-assisted findings with clinical data led to treatment modification in 10.8 % of patients, underscoring the potential clinical impact of this approach.

CONCLUSION: Artificial intelligence may play a key role in improving detection of new lesions and ELs in patients with MS. The use of Pixyl.Neuro.MS® enhanced radiological interpretation, yielding a more comprehensive assessment of MRI findings compared to conventional analysis. This improved diagnostic precision contributed to revised treatment decisions in a subset of patients.

Предметные рубрики MeSH

ИП Урсолов Владлен Сергеевич

ИНН 500118482352 · ОГРНИП 314500117700049

Реквизиты и контакты