图片来源：Elena Merkulova/盖蒂图片社
长期以来，学界已知脑灰质在多发性硬化（multiple sclerosis, MS）的疾病进展与认知障碍发生中发挥核心作用，但由于磁共振成像（magnetic resonance imaging, MRI）此前仅能检测白质病灶，临床医生与研究人员均无法检测或监测灰质（皮质）病灶。尽管过去十年开发的多款新药可显著延缓疾病进展，但这类药物主要通过减少白质病灶发挥作用。
由纽约州立大学布法罗分校（UB）牵头的研究团队近日报道，其已开发出一种人工智能方法，可通过分析已有的MRI扫描结果识别此前无法观测的皮质病灶（cortical lesions）。研究人员表示，皮质病灶是公认的MS疾病进展最重要的指标之一，最终实现对该病灶的可视化具有不可估量的重要意义。
“在传统的既往MRI扫描上检测到此前不可见的皮质病灶，对MS研究和临床诊疗均具有重大意义。”纽约州立大学神经病学系杰出教授、UB雅各布医学与生物医学科学学院布法罗神经影像分析中心（BNAC）主任Robert Zivadinov医学博士/哲学博士评价道，“首次实现这些与MS疾病进展（包括认知障碍和残疾）相关的隐匿指标的可视化，是一项重要的研究突破。”
雅各布学院神经病学与生物医学信息学副教授、BNAC研究员Michael G. Dwyer哲学博士补充道：“这项合作成果是人工智能应用于医学领域的成功范例。这些极具价值的信息本就存在于MRI扫描数据中，但只有借助AI才能提取出来，如今我们终于具备了实现这一目标的计算方法。”
Zivadinov是该团队发表于《通讯·医学》（Communications Medicine）的论文的资深作者，Dwyer为第一作者兼通讯作者，论文标题为《利用多对比度后处理与深度学习量化多发性硬化MRI数据集中的皮质病灶》。
作者解释道：“多发性硬化（MS）同时累及大脑内部负责神经连接的区域（白质）与大脑外层（皮质）。”尽管自19世纪末MS被发现以来，学界就已知皮质病灶参与MS发病，但直到21世纪，皮质病灶才被纳入诊断标准。即便被纳入标准，业内也注意到，受当前临床MRI的性能限制，皮质病灶的临床应用仍存在极大局限性。
作者继续表示：“既往MS的研究与临床诊疗均聚焦于白质，局灶性脱髓鞘病灶是MS的标志性特征。”尽管目前已有多款疗法可几乎完全阻断MS患者新发白质病灶，但这类疗法对临床疾病进展的干预效果并不理想。
近几十年来，研究人员发现，MS发病极早期即可出现灰质受累，且明确灰质病理改变并非继发于白质损伤。作者指出：“从临床角度来看，皮质病灶与临床残疾和认知障碍高度相关，在残疾程度与疾病病程的预后价值方面，皮质病灶甚至优于白质病灶。”
研究团队强调，目前迫切需要可实现灰质病灶可视化的在体（in vivo）成像技术。Dwyer补充道：“我们此前都非常困扰，明明知道皮质病灶存在却无法观测到。常规MRI无法发现MS患者体内持续存在的大量损伤，但几十年来，组织病理学家已在尸检组织中明确证实了这类损伤的存在。”
在这项最新发表的研究中，研究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扫描数据。研究者指出：“近年来，包括合成对比度与基于人工智能的方法在内的多种后处理技术，已展现出在传统MRI数据上提升皮质病灶检测能力的潜力。这类方法可对已有的临床试验数据进行重新分析，以解答关于MS发病机制与治疗效果的关键科学问题。”
基于荷兰合作者的前期工作，研究人员开发的AI方法可从多幅图像的关联中提取单幅图像无法观测到的关键信息。
研究人员整合了多种图像处理技术，包括其自主开发的多模态皮质病灶增强（multimodal cortical lesion enhancement, MMCLE）技术。随后，他们将这些技术应用于FDA监管的大型III期ORATORIO临床试验的MRI扫描数据，该试验是针对MS药物奥瑞珠单抗（Ocrelizumab）的研究，共纳入700余名受试者。
研究人员发现，患者脑部的单幅图像大多仅能显示白质病灶，而一旦将基于AI的图像处理方法应用于多幅不同对比度的图像，每例患者可检测到15~20个皮质病灶，整个数据集共检测到超过11000个皮质病灶。研究者表示：“我们证实，通过这些方法可清晰地对皮质病灶进行可视化及定量分析，借助深度学习技术，同时使用多对比度图像可提升定量分析的准确性。”
Dwyer进一步解释道：“观察原始扫描图像时，通常无法看到皮质病灶，但生成式AI的优势在于它可以分析多幅扫描图像之间的关联，检测出其中的微小差异。基于这些微小的信号差异，AI可识别出局部组织的异常改变，提示该组织的特征异于健康组织。经过训练的模型可同时分析多幅MRI图像，进行数据整合，还原出此前缺失的病灶信息。”
Zivadinov补充道：“这项研究证实了脑部存在大量不可见的病理改变，对既往临床试验数据的回顾分析以及未来的临床试验开展均将产生巨大影响。”