許多不同類型的關(guān)節(jié)炎，診斷影響患者關(guān)節(jié)的炎性疾病的確切類型并不總是那么容易。在弗里德里希-亞歷山大大學 (FAU) 和埃爾蘭根大學開展的跨學科研究項目中，計算機科學家和醫(yī)生現(xiàn)在已經(jīng)成功地教授人工神經(jīng)網(wǎng)絡來區(qū)分類風濕性關(guān)節(jié)炎、銀屑病關(guān)節(jié)炎和健康關(guān)節(jié)。
在名為“關(guān)節(jié)炎緩解的分子特征(MASCARA)”的項目范圍內(nèi)，由計算機科學 5 主席(模式識別)的 Andreas Maier 教授和 Lukas Folle 以及 PD Dr. Arnd Kleyer 和 Prof. Dr. 領(lǐng)導的團隊. 埃爾蘭根大學醫(yī)學 3 系的 Georg Schett 研究了以下問題：人工智能 (AI) 能否使用關(guān)節(jié)形狀模式檢測各種類型的關(guān)節(jié)炎?這種方法是否能讓我們在未分化關(guān)節(jié)炎的情況下做出更精確的診斷?在診斷期間是否應更詳細地檢查關(guān)節(jié)中的某些區(qū)域?
目前缺少的生物標志物常常使相關(guān)類型的關(guān)節(jié)炎的精確分類變得困難。用于輔助診斷的 X 射線圖像也不完全可靠，因為它們的二維性不夠精確，為解釋留下了空間。此外，定位被檢查的關(guān)節(jié)以獲得 X 射線圖像可能很困難。
人工網(wǎng)絡使用手指關(guān)節(jié)學習
為了找到問題的答案，研究小組將研究重點放在手指的掌指關(guān)節(jié)上——這些部位在患有自身免疫性疾病(如類風濕性關(guān)節(jié)炎或銀屑病關(guān)節(jié)炎)的患者早期經(jīng)常受到影響。使用來自高分辨率外圍定量計算機斷層掃描(HR-pQCT) 的手指掃描訓練人工神經(jīng)元網(wǎng)絡，目的是區(qū)分“健康”關(guān)節(jié)和類風濕或銀屑病關(guān)節(jié)炎患者的關(guān)節(jié)。
選擇 HR-pQCT 是因為它是目前以最高分辨率生成人體骨骼三維圖像的最佳定量方法。在關(guān)節(jié)炎的情況下，可以非常準確地檢測到骨骼結(jié)構(gòu)的變化，這使得精確分類成為可能。
神經(jīng)網(wǎng)絡可以使更有針對性的治療成為可能
然后使用來自 611 名患者的總共 932 次新的 HR-pQCT 掃描來檢查人工網(wǎng)絡是否能夠真正實現(xiàn)它所學到的知識：它能否提供對先前分類的手指關(guān)節(jié)的正確評估?
結(jié)果顯示，AI 檢測到了 82% 的健康關(guān)節(jié)，75% 的類風濕性關(guān)節(jié)炎病例和 68% 的銀屑病關(guān)節(jié)炎病例，這是一個非常高的命中概率，沒有任何進一步的信息。當與風濕病學家的專業(yè)知識相結(jié)合時，它可能會導致更準確的診斷。此外，當出現(xiàn)未分化關(guān)節(jié)炎病例時，網(wǎng)絡能夠正確分類它們。
“我們對研究結(jié)果非常滿意，因為它們表明人工智能可以幫助我們更輕松地對關(guān)節(jié)炎進行分類，從而為患者帶來更快、更有針對性的治療。但是，我們知道還有其他的需要輸入網(wǎng)絡的類別。我們還計劃將 AI 方法轉(zhuǎn)移到更容易獲得的其他成像方法，例如超聲或 MRI，”Lukas Folle 解釋說。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！