Машинное обучение и оптика нейромиелита: первопроходческая точность в диагностике заболеваний.

Нейромиелитное расстройство спектра (SNMOSD) создает значительные диагностические проблемы из-за его клинического и радиологического сходства с множественным склерозом (MS), несмотря на необходимость применения различных терапевтических подходов. Ранняя и точная дифференциация необходима для предотвращения необратимой инвалидности и недопущения ненадлежащего обращения. Машинное обучение (ML) представляет собой мощное средство для выявления тонкостей сканирования, таких, как периэпендимальные повреждения и участие района в постреме, которые часто упускаются из виду в ходе обычной оценки. К последним достижениям относятся модели логистической регрессии на основе радиомика, в рамках которых АУК достигают уровня выше 0,92, сжатые 3D распределительные нейронные сети, превосходящие традиционные модели, и интегрирующие МРТ на основе трансформатора и спинного мозга, в которых АУК превышают 0,93 для классификации NMOSD. Включая иммунологические тесты, в частности аквапорин-4 (AQP4) состояние антител, еще больше улучшает дискриминацию между NMOSD, MS и миэлином олигодендроцитом гликпротеиновым заболеванием, связанным с антителами (MOGAD). Несмотря на вселяющий оптимизм характер, общая доступность ограничивается нехваткой крупных, многоцентровых и разнообразных наборов данных. Сочетание передовых методов ML с надежным иммунологическим профилированием открывает путь к точной диагностике, обеспечивая возможность более раннего вмешательства и улучшения результатов для пациентов с NMOSD.