为了正确治疗多发性硬化症（MS），了解疾病从复发-缓解型转变为继发进展型的时间至关重要。目前，这种转变通常在实际发生后三年才被识别出来。乌普萨拉大学的研究人员现已开发出一种人工智能模型，能够以90%的准确率确定患者所处的疾病阶段。该模型增加了及时开始适当治疗的机会，从而减缓疾病的进展。
多发性硬化症是一种慢性炎症性疾病，影响中枢神经系统。在瑞典，约有22,000人患有MS。大多数患者最初表现为复发-缓解型（RRMS），其特征是症状反复发作，期间有稳定期。随着时间推移，许多患者会转为继发进展型MS（SPMS），此时症状逐渐恶化，没有明显的缓解期。
识别这种转变非常重要，因为两种不同类型的MS需要不同的治疗方法。目前，平均在转变开始后三年才能做出诊断，这可能导致患者接受已经不再有效的药物治疗。
新的人工智能模型汇总了瑞典MS注册中心超过22,000名患者的临床数据。该模型基于常规医疗访问中收集的数据，如神经学测试、磁共振成像（MRI）扫描和正在进行的治疗。
“通过识别以往患者的模式，该模型可以确定患者是处于复发-缓解型还是已经转为继发进展型MS。该模型的独特之处在于它还指出了每个单独评估的置信度。这意味着医生将知道结论的可靠性以及AI对其评估的信心程度。”研究负责人Kim Kultima说。
在这项现已发表在《npj数字医学》杂志上的研究中，该模型在近87%的情况下正确或提前于患者病历记录识别出向继发进展型MS的转变，总体准确率约为90%。
“对于患者来说，这意味着可以更早地做出诊断，从而及时调整患者的治疗方案并减缓疾病进展。这也降低了患者接受已不再有效的药物治疗的风险。
“长远来看，该模型还可以用于识别适合临床试验的参与者，这有助于制定更有效和个性化的治疗策略。”Kultima总结道。
更多信息：Akshai Parakkal Sreenivasan等人，《符合预测使多发性硬化症病程预测成为可能，并允许个体化诊断不确定性》，《npj数字医学》（2025）。DOI: 10.1038/s41746-025-01616-z
由乌普萨拉大学提供
(全文结束)
