长久以来，人们已知大脑灰质在多发性硬化症(MS)的疾病进展和认知障碍中扮演关键角色，但由于磁共振成像(MRI)只能检测到白质中的病变，临床医生和研究人员一直无法检测或监测灰质（皮层）病变。尽管过去十年开发的许多新药物可以显著减缓疾病进展，但它们主要作用于减少白质病变。
由布法罗大学(UB)领导的研究团队现在报告称，他们找到了一种方法，可以通过审查现有MRI扫描，使用人工智能揭示这些原本看不见的皮层病变。研究人员表示，最终能够看到一直被认为在MS疾病进展中最重要的指标之一的意义怎么强调都不为过。
"在传统MRI扫描上检测之前看不见的皮层病变对MS研究和临床护理具有重大意义，"布法罗大学雅各布斯医学院和生物医学科学学院神经病学系SUNY杰出教授、布法罗神经影像分析中心(BNAC)主任Robert Zivadinov博士表示。"首次能够看到这些之前隐藏的MS疾病进展指标，包括认知障碍和残疾，是一项重要进展。"
雅各布斯医学院神经病学和生物医学信息学副教授、BNAC研究员Michael G. Dwyer博士补充道："这种合作所取得的成就确实是将AI应用于医疗领域的一个成功案例。我们现在可以访问到这些极其有用的数据，它们一直存在于MRI扫描中，但如果不使用AI提取，你就无法看到它们。计算方法终于达到了我们可以做到这一点的水平。"
Zivadinov是资深作者，Dwyer是第一作者和通讯作者，该团队在《Communications Medicine》上发表的论文题为"使用多对比度后处理和深度学习量化多发性硬化症MRI数据集中的皮层病变"。
"多发性硬化症(MS)既影响大脑内部以连接为导向的部分（白质），也影响大脑外层（皮层），"作者解释道。虽然皮层病变在MS中的作用几乎从19世纪末MS被识别时就已为人所知，但直到21世纪它们才被纳入诊断标准。即使被纳入时，也注意到由于临床MRI目前的能力，其使用将受到极大限制。
"历史上，MS的研究和临床护理一直集中在白质上，局灶性脱髓鞘病变是该疾病的标志，"他们继续说道。尽管现在有许多疗法几乎可以完全阻止MS患者新白质病变的发生，但它们对临床进展的影响却不如预期。
在近几十年来，人们发现灰质从MS疾病的最早阶段就受到影响，灰质病理已不仅仅是白质损伤的继发结果。"从临床角度看，皮层病变与临床残疾和认知障碍密切相关，"作者指出。"它们对于残疾和疾病进程可能比白质病变具有更高的预后价值。"
他们强调，迫切需要能够显示灰质病变的体内成像方法。Dwyer补充道："我们都非常沮丧，知道这些皮层病变存在却无法看到它们。MS中持续发生的许多损伤在常规MRI中是看不到的，但组织病理学家在尸检组织上已经明确展示了数十年。"
在他们新报告的研究中，该团队将包括人工智能在内的先进图像处理技术应用于一项大型MS临床试验的标准MRI扫描。"最近，包括合成对比度和基于人工智能(AI)的方法在内的几种后处理方法，显示出增强常规MRI数据上皮层病变检测的潜力，"他们指出。"这些方法有可能重新分析现有临床试验数据，以回答有关MS发展和治疗效果的关键机制问题。"
研究人员使用的AI方法是在荷兰合著者工作的基础上设计的，旨在从单个图像上无法看到的多幅图像之间的关系中推断出关键信息。
研究人员结合了多种图像处理技术，包括他们开发的一种新方法，称为MMCLE（多模态皮层病变增强）。然后，他们将这些技术应用于大型III期FDA监管ORATORIO临床试验的MRI扫描，这是一项研究MS药物Ocrelizumab的试验，包括700多名参与者。
他们发现，虽然患者的单个脑部图像主要显示白质病变，但一旦将基于AI的图像处理方法应用于多种不同对比度的图像，他们就能看到每位患者15到20个皮层病变，整个数据集超过11,000个。"我们确认，皮层病变可以通过这些方法清晰地可视化和量化，"他们表示。"使用深度学习，我们还确认同时使用多种对比度可以改善量化。"
Dwyer进一步解释道："如果你查看原始扫描，通常看不到皮层病变，但生成式AI非常强大，因为它可以在扫描之间进行比较并检测它们之间的细微差异。因为它看到了这些微小的差异，AI可以揭示那里有问题，组织的行为不像健康组织。经过训练的模型可以一起查看多个MRI图像，合成它们并合成缺失的部分。"
Zivadinov补充道："这项工作揭示了大脑中存在如此多看不见的病理，将对回顾过去临床试验的数据以及未来进行的试验产生巨大影响。"
【全文结束】