Радиомика IVIM-DWI для Phenotyping и клиническое прогнозирование состояния в релапсирующих и излучающих множественных склерозах.

Фон/цели: Множественный склероз (MS) — аутоиммунное расстройство, затрагивающее центральную нервную систему, характеризующееся деградацией миелина, что приводит к различным неврологическим симптомам. Цель этого исследования заключается в использовании радиосигналов для оценки прогнозируемого значения параметров диффузии IVIМ, а именно: реального коэффициента диффузии (D), псевдодиффузного коэффициента (D*) и перфузионной фракции (f) в зависимости от степени инвалидности, оцениваемой с использованием расширенной шкалы взносов для инвалидов (EDSS), и мобильности пациентов с повторными выбросами MS. Методы: В этом ретроспективном перекрестном исследовании анализировались данные МРТ по 197 пациентам с множественным склерозом (МС). Количественные параметры внутривокселя несогласованного движения (ИВИМ) были получены с помощью 1,5 сканера МРТ Tesla. Собранная клиническая информация включала данные о возрасте, продолжительности заболеваний, числе рецидивов, состоянии лечения с целью модификации болезней (ДМТ) и необходимости оказания помощи в мобильности. Для изучения взаимосвязи между радиомических параметров IVIM и этими клиническими переменными использовались методы машинного обучения (ML), такие, как XGB, Random Forest и ANN. Результаты: Радиомика IVIM достигла высокой точности при повреждении фенотификации. Случайные леса отличают улучшения от неусиливающихся повреждений с точностью 96% и AUC = 0,99 с картами IVIM-f и D*. Си-Эн также достигла ~92% точности (AUC 0.97) с ИИМ-f. Для прогнозирования инвалидности радиомедики IVM-D и D* тесно связаны с EDS: Random Forest достигли 89% точности (AUC = 0,90), а CNN - 90% точности (AUC = 0,95). По прогнозам, наиболее высокий показатель снижения мобильности был достигнут с помощью системы RNN, которая достигла 96% точности (AUC = 0,99) по всем характеристикам системы IVIM-f. В противоположность этому, история рецидивов, продолжительность заболеваний и состояние лечения были плохо предсказаны (<75% точности). Выводы: МЛ-анализы параметров ИИМ обеспечивают независимые прогнозы функциональных нарушений и инвалидности в МЗ. Наш новый подход может быть использован для повышения диагностической точности и разработки индивидуализированных методов лечения пациентов с НР.