神经网络学习使用手指关节区分健康骨骼和发炎骨骼

在名为“关节炎缓解的分子特征(MASCARA)”的项目范围内，由计算机科学 5 主席(模式识别)的 Andreas Maier 教授和 Lukas Folle 以及 PD Dr. Arnd Kleyer 和 Prof. Dr. 领导的团队. 埃尔兰根大学医学 3 系的 Georg Schett 研究了以下问题：人工智能 (AI) 能否使用关节形状模式检测各种类型的关节炎?这种方法是否能让我们在未分化关节炎的情况下做出更精确的诊断?在诊断期间是否应更详细地检查关节中的某些区域?

目前缺少的生物标志物常常使相关类型的关节炎的精确分类变得困难。用于辅助诊断的 X 射线图像也不完全可靠，因为它们的二维性不够精确，为解释留下了空间。此外，定位被检查的关节以获得 X 射线图像可能很困难。

人工网络使用手指关节学习

为了找到问题的答案，研究小组将研究重点放在手指的掌指关节上——这些部位在患有自身免疫性疾病(如类风湿性关节炎或银屑病关节炎)的患者早期经常受到影响。使用来自高分辨率外围定量计算机断层扫描(HR-pQCT) 的手指扫描训练人工神经元网络，目的是区分“健康”关节和类风湿或银屑病关节炎患者的关节。

选择 HR-pQCT 是因为它是目前以最高分辨率生成人体骨骼三维图像的最佳定量方法。在关节炎的情况下，可以非常准确地检测到骨骼结构的变化，这使得精确分类成为可能。

神经网络可以使更有针对性的治疗成为可能

然后使用来自 611 名患者的总共 932 次新的 HR-pQCT 扫描来检查人工网络是否能够真正实现它所学到的知识：它能否提供对先前分类的手指关节的正确评估?

结果显示，AI 检测到了 82% 的健康关节，75% 的类风湿性关节炎病例和 68% 的银屑病关节炎病例，这是一个非常高的命中概率，没有任何进一步的信息。当与风湿病学家的专业知识相结合时，它可能会导致更准确的诊断。此外，当出现未分化关节炎病例时，网络能够正确分类它们。

“我们对研究结果非常满意，因为它们表明人工智能可以帮助我们更轻松地对关节炎进行分类，从而为患者带来更快、更有针对性的治疗。但是，我们知道还有其他的需要输入网络的类别。我们还计划将 AI 方法转移到更容易获得的其他成像方法，例如超声或 MRI，”Lukas Folle 解释说。

Tags：

文章版权声明：除非注明，否则均为供水知识-GONGSHUI.CC原创文章，转载或复制请以超链接形式并注明出处。