Учёба в области сегментации повреждений в множестве склерозов: технико-экономическое обоснование с использованием различных центров в реальном мире.

Множественный склероз (MS) — хроническое нервно-воспалительное заболевание, вызванное повреждением центральной нервной системы с иммунной помощью, часто приводящее к постепенной инвалидности. Точные сегментации повреждений MS на МРТ имеют решающее значение для мониторинга заболеваний и эффективности лечения; однако ручная сегментация по-прежнему занимает много времени и подвержена колебаниям. Несмотря на то, что углубленное обучение позволило усовершенствовать автоматизированную сегментацию, высокие показатели эффективности получают пользу от использования крупномасштабных, разнообразных наборов данных, однако объединение данных ограничивается положениями о конфиденциальности, а клинические показатели по-прежнему сталкиваются с проблемами в связи с разнородностью между участками. В рамках этой концептуальной работы мы стремимся применять и применять систему федерального обучения (ФЛ) в реальных условиях жизни в больницах. Мы оценили FL на сегментацию MS с использованием модели самоконфигурации nnU-Net, используя 512 MRI с трех участков без обмена необработанными данными о пациентах. В рамках федеративной модели были получены оценки Dice в диапазоне от 0,66 до 0,80 по всем испытательным наборам. Хотя показатели деятельности варьировались в зависимости от различных участков, что отражает неоднородность данных, исследование показывает потенциал FL как масштабируемой и надежной парадигмы продвижения автоматизированного анализа MS в распределенной клинической среде. Эта работа направлена на содействие внедрению защищенной и совместной АИ в нейроимации, которая обеспечивает полезность для проведения клинических исследований с учетом конфиденциальности и является отправной точкой для развития медицинской АИ, устраняя разрыв между общим характером модели и соблюдением нормативных положений.