根據(jù)9月28日在《美國(guó)國(guó)家科學(xué)院院刊》上發(fā)表的一篇論文，研究人員使用一種“深度學(xué)習(xí)”人工智能(AI)方法，能夠高度準(zhǔn)確地識(shí)別和識(shí)別孤立的局灶性肌張力障礙。

該方法結(jié)合了基于對(duì)大腦MRI圖像中的微結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)進(jìn)行分析的算法，并已證明在將三種臨床診斷的肌張力障礙與健康對(duì)照區(qū)分開時(shí)，準(zhǔn)確率達(dá)到了98.8%。

名為DystoniaNet的AI診斷平臺(tái)使研究團(tuán)隊(duì)能夠獲得與兩名專門研究肌張力障礙的領(lǐng)先臨床醫(yī)生相同的診斷結(jié)論-但與診斷該疾病通常需要很長(zhǎng)時(shí)間的過程相反，AI方法僅需0.036秒診斷疾病。

研究作者指出，典型地，診斷肌張力障礙是一個(gè)具有挑戰(zhàn)性的過程。他們寫道：“目前，還沒有針對(duì)肌張力障礙的生物標(biāo)志物或金標(biāo)準(zhǔn)診斷測(cè)試，并且目前還沒有解決該問題的技術(shù)或方法。” “我們證明了我們自動(dòng)定義的微結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)生物標(biāo)記物及其算法平臺(tái)DystoniaNet可以為孤立的局灶性肌張力障礙提供客觀，準(zhǔn)確，快速且經(jīng)濟(jì)高效的診斷。”

該論文的高級(jí)作者告訴《今日神經(jīng)學(xué)》，她正在與四個(gè)學(xué)術(shù)中心進(jìn)行對(duì)話，以開始驗(yàn)證研究。

“我們需要將其納入臨床設(shè)置，以使醫(yī)生對(duì)更多患者和類型的肌張力障礙患者進(jìn)行技術(shù)評(píng)估，”哈佛大學(xué)醫(yī)學(xué)院耳鼻喉科副教授，耳鼻喉科副醫(yī)師Kristina Simonyan博士說馬薩諸塞州眼與耳的喉科學(xué)研究。

她強(qiáng)調(diào)，與其他任何檢查一樣，DystoniaNet并非要取代臨床醫(yī)生;而是旨在增強(qiáng)他們的診斷決策能力。

Simonyan博士說：“這個(gè)想法是為神經(jīng)科醫(yī)生提供一種臨床上有價(jià)值的工具，以供他們參考。” “放棄臨床評(píng)估或病史是沒有意義的。”

專注于運(yùn)動(dòng)障礙(包括肌張力障礙)的三位主要神經(jīng)學(xué)家稱該論文令人興奮，甚至具有革命性，但他說，其結(jié)果需要在更大，更多樣化的患者樣本中復(fù)制。

羅徹斯特大學(xué)神經(jīng)病學(xué)教授，運(yùn)動(dòng)障礙部門負(fù)責(zé)人，醫(yī)學(xué)博士，理查德·法恩(Richard L. Barbano)表示：“這項(xiàng)研究令人興奮，它具有很大的潛力。” “但是他們正在將專家醫(yī)生診斷為肌張力障礙的人與完全健康的對(duì)照進(jìn)行比較。” 他們的程序在診斷輕度病例或由于其他問題而產(chǎn)生的相似性方面的表現(xiàn)如何?那才是我們真正需要的。我的直覺告訴我，他們?cè)谧瞿呈?，但是他們需要做更多的工作?rdquo;