近日，英國倫敦大學學院（UCL）研究團隊開發(fā)出一款名為MindGlide的人工智能（AI）工具，有望徹底改變多發(fā)性硬化（MS）患者治療效果的評估方式。相關(guān)研究成果已發(fā)表在《自然·通訊》（Nature Communications）期刊上。

多發(fā)性硬化是一種中樞神經(jīng)系統(tǒng)疾病，由免疫系統(tǒng)攻擊腦部和脊髓，引起患者在運動、感覺或認知方面出現(xiàn)障礙。在英國，約有13萬人患有MS，該病每年給國家醫(yī)療服務體系（NHS）帶來超過29億英鎊的經(jīng)濟負擔。

磁共振成像（MRI）是研究和監(jiān)測MS進展的核心工具，但傳統(tǒng)上分析MRI影像依賴神經(jīng)放射學專家逐一手動評估，流程復雜、耗時數(shù)周，且常規(guī)醫(yī)院掃描的成像質(zhì)量與種類有限，難以全面監(jiān)測病情。

AI助力“讀圖”：每張圖僅需5-10秒，準確識別病灶與腦萎縮

MindGlide通過深度學習模型，能從常規(guī)MRI腦部圖像中自動提取出關(guān)鍵信息，包括檢測腦部損傷區(qū)域、腦萎縮和MS相關(guān)的斑塊（病灶）變化。即使是單一類型、成像質(zhì)量有限的常規(guī)掃描（例如缺乏FLAIR序列的T2加權(quán)MRI），MindGlide也能準確識別大腦病變和組織變化。

在最新研究中，研究人員利用來自超過1,000名MS患者、總計近15,000張影像的數(shù)據(jù)集，對MindGlide進行了驗證。結(jié)果顯示，該工具不僅能在5至10秒內(nèi)完成每張圖像的分析，還在關(guān)鍵任務上超越了現(xiàn)有的兩款AI工具——SAMSEG和WMH-SynthSeg。

具體而言，MindGlide在識別MS斑塊（病灶）及評估治療效果方面，準確率比SAMSEG高出60%，比WMH-SynthSeg高出20%。

釋放醫(yī)院“影像寶藏”，推動MS治療評估“平民化”

“MindGlide可以利用醫(yī)院數(shù)據(jù)庫中原本無法有效解讀的現(xiàn)有MRI影像，從中提取出對MS理解極具價值的信息?！毖芯康谝蛔髡?、UCL神經(jīng)病學研究所的Philipp Goebl博士表示。

“我們希望這項技術(shù)能幫助我們在未來5到10年內(nèi)，在臨床中實現(xiàn)基于AI的個體化病情分析?！?/p>

該工具不僅在大腦皮層檢測表現(xiàn)優(yōu)異，在深層腦區(qū)的分析也同樣準確，且在橫斷面和縱向隨訪數(shù)據(jù)中均表現(xiàn)出高度一致性。研究還發(fā)現(xiàn)，MindGlide的評估結(jié)果與既往高質(zhì)量研究中對治療效果的結(jié)論一致，為其臨床應用提供了有力支持。

未來展望：邁向全腦+脊髓一體化評估

目前，MindGlide的應用仍局限于腦部MRI影像，尚未擴展至評估脊髓病變。然而，脊髓成像對于全面評估MS患者的功能障礙同樣重要。

“過去我們往往忽視了醫(yī)院中大量影像數(shù)據(jù)的價值，特別是質(zhì)量不高的常規(guī)圖像?！毖芯控撠熑?、UCL MS-PINPOINT項目負責人Arman Eshaghi博士指出，“AI將為我們開啟醫(yī)院信息的寶藏，帶來對MS病程和治療反應的前所未有的理解?！?/p>

接下來的研究將致力于擴展MindGlide的能力，涵蓋更廣泛的神經(jīng)系統(tǒng)評估，推動其在現(xiàn)實世界中的廣泛臨床應用。

參考文獻：Repurposing Clinical MRI Archives for Multiple Sclerosis Research with a Flexible, Single-Contrast Approach: New Insights from Old Scans,?Nature Communications?(2025).?DOI: 10.1038/s41467-025-58274-8

編輯：王洪

排版：李麗