生物行移动版

多发性硬化症（MS）是一种中枢神经系统的慢性炎性脱髓鞘疾病，长期以来，临床医生依赖常规磁共振成像（MRI）来评估脑内白质中的病灶，以此判断疾病活动性。然而，这种评估方式存在一个巨大的盲区：那些与患者认知功能下降和身体残疾进展关系最为密切的皮层病变，在常规MRI上几乎完全不可见。近日，一项由布法罗大学（UB）领导、发表于《Communications Medicine》的研究，成功利用人工智能（AI）技术，从常规MRI扫描中“挖掘”出这些隐藏的病理信息，为MS的诊疗开辟了全新视角。

皮层病变：MS评估中“看不见的冰山”

自19世纪末MS被首次描述以来，病理学家便已在尸检中证实了皮层病变的存在。然而，由于皮层病变体积小、与周围正常灰质对比度低，且常受脑脊液和部分容积效应干扰，常规的临床MRI序列（如T2加权像）几乎无法将其与正常组织区分。这种技术上的局限性导致皮层病变长期被排除在MS的诊断和监测标准之外。正如该研究的第一作者兼通讯作者、布法罗大学神经学与生物医学信息学副教授Michael G. Dwyer博士所言：“我们一直非常沮丧，明知这些皮层病变存在，却无法看到它们。常规MRI看不到的持续损伤，病理学家在尸检中已经明确展示了数十年。”这种“看不见”的病理改变，正是导致临床-影像学悖论（即影像表现与临床症状不匹配）的核心原因之一。

AI赋能：从“看不见”到“看得清”

研究团队开发的创新方法，其核心在于利用生成式人工智能进行多模态图像后处理。具体而言，他们结合了多种图像处理技术，并重点引入了一种名为“多模态皮层病变增强（MMCLE）”的新算法。该算法的原理并非直接识别单个图像中的病灶，而是通过深度学习模型，分析同一患者在不同MRI对比序列（如T1加权、T2加权、FLAIR等）图像之间的细微差异。由于病变组织的弛豫特性与正常组织不同，这种差异在多对比度图像的联合分析中会被放大。Dwyer博士解释道：“生成式AI非常强大，因为它能‘看穿’不同扫描之间的微小差异。通过检测这些细微的不一致，AI能够揭示出组织行为已偏离正常健康组织。”简而言之，AI通过合成多个图像的信息，重建了常规单张图像中丢失的病理信号。

为了验证该方法的有效性，研究团队将其应用于Ocrelizumab（一种抗CD20单克隆抗体）的III期临床试验ORATORIO的数据集，该数据集包含超过700名MS患者的常规MRI扫描。结果令人震惊：在原始扫描中几乎无法辨认的皮层病变，经过AI处理后清晰显现。研究共检测出超过11,000个皮层病变，平均每位患者约15至20个。这一发现直接证实了MS患者脑中存在大量被常规影像学忽略的病理负荷。

临床意义：重塑MS诊疗与药物评估

该研究的资深作者、布法罗大学神经学系杰出教授、布法罗神经影像分析中心（BNAC）主任Robert Zivadinov博士指出：“在常规的遗留MRI扫描中检测到此前不可见的皮层病变，对MS研究和临床护理具有重大意义。首次看到这些先前隐藏的、指示疾病进展（包括认知障碍和残疾）的标志物，是一项重要进展。”这一技术的应用前景广阔：首先，它能够为临床医生提供更全面的疾病活动评估，有助于更精准地判断患者预后；其次，它可用于重新分析既往临床试验的数据，揭示新药对皮层病变的真实疗效，而不仅仅是传统上关注的白质病灶。例如，许多旨在减缓MS进展的新药，其疗效评估主要基于白质病变的减少。如今，AI技术使得评估药物对皮层病变的影响成为可能，这或将改变未来药物研发和审批的标准。Zivadinov博士强调：“这项工作揭示了大脑中存在如此多的‘隐形’病理，对于回顾过去以及未来的临床试验数据都将产生巨大影响。”