Три новых подтипа рассеянного склероза нашли с помощью ИИ
Ученые из Калифорнийского университета в Лос-Анджелесе использовали искусственный интеллект (ИИ) для выявления трех новых подтипов рассеянного склероза, сообщает Хайтек.
Исследователи говорят, что результаты их работы помогут выявить тех людей, которые с большей вероятностью будут иметь прогрессирование заболевания, и помогут более эффективно спрогнозировать лечение.
В своей новой работе ученые хотели выяснить, существуют ли какие-либо пока еще не идентифицированные паттерны в изображениях мозга, которые лучше всего определяли бы выбор лечения и выявляли пациентов, которые лучше всего реагировали бы на ту или иную терапию.
В настоящее время рассеянный склероз широко классифицируется на прогрессирующие и рецидивирующие группы, которые основаны на симптомах пациента.
Авторы решили использовать ИИ для поиска подтипов рассеянного склероза: алгоритм обнаружил три подтипа, которые определяются патологическими отклонениями, наблюдаемыми на изображениях мозга. Все три относятся к самым ранним аномалиям, наблюдаемым на МРТ-сканировании в пределах каждого паттерна.
Ученые считают, что это важный шаг к прогнозированию индивидуальных реакций на терапию.
Исследователи говорят, что результаты их работы помогут выявить тех людей, которые с большей вероятностью будут иметь прогрессирование заболевания, и помогут более эффективно спрогнозировать лечение.
В своей новой работе ученые хотели выяснить, существуют ли какие-либо пока еще не идентифицированные паттерны в изображениях мозга, которые лучше всего определяли бы выбор лечения и выявляли пациентов, которые лучше всего реагировали бы на ту или иную терапию.
В настоящее время рассеянный склероз широко классифицируется на прогрессирующие и рецидивирующие группы, которые основаны на симптомах пациента.
Авторы решили использовать ИИ для поиска подтипов рассеянного склероза: алгоритм обнаружил три подтипа, которые определяются патологическими отклонениями, наблюдаемыми на изображениях мозга. Все три относятся к самым ранним аномалиям, наблюдаемым на МРТ-сканировании в пределах каждого паттерна.
Ученые считают, что это важный шаг к прогнозированию индивидуальных реакций на терапию.
Комментарии 0