医療行為や研究における人工知能 (AI) の使用は、大きな注目と人気を集めています。 現時点では、この分野での発見や進歩は毎週の出来事のように感じられるかもしれません。 これらの方法がより一般的になり始めているため、多発性硬化症の研究と治療に関する南北アメリカ委員会 (ACTRIMS) フォーラム 2024 がポスターホールの一部を機械学習分野の新しい開発に捧げたのも不思議ではありません。 これらのポスタープレゼンテーションの中で、OM1 の最高臨床責任者であるカール・マーシー医学博士は、機械学習モデルがどのように実世界データ (RWD) を強化できるかを詳しく説明し、ワイドナー大学で修士号を取得中のシェイリン・ウェストモアランド氏は、診断と診断に関する洞察を提供しました。多発性硬化症 (MS) における AI プラットフォームの分析能力。
MS ACTRIMS フォーラム 2024 で障壁を打ち破る | 画像クレジット: forum.actrims.org
Marci のポスター「RWD を使用した多発性硬化症サブタイプの疾患進行の特徴付け: 欠損データに対処するための機械学習モデルの適用の実現可能性」は、10 年以上にわたる研究努力とデータ収集の成果であり、集大成です。1
その目的は、不足しているデータのギャップを埋めるために、機械学習モデルを使用して MS 患者の拡張障害ステータススケール (EDSS) スコアを推定する方法を調査することでした。 AI は遡及分析で大きな成功を収めているため、今回の研究は 2013 年から 2021 年までの期間にわたって行われています。
機械学習モデルは、再発寛解型 MS (RRMS) および二次進行型 MS (SPMS) の 17,000 人を超える患者に関する管理データおよび臨床データを表す OM1 MS PremiOM データセットに適用されました。 RRMS (n = 3,658)、SPMS (n = 556)、および RRMS から SPMS に移行中の患者 (n = 242) の合計 4,366 人が分析コホートに含まれました。
2013 年から 2021 年までに、臨床医によって管理された 3,404 件の EDSS スコアが収集されました。 機械学習モデルを適用した後、研究者らは 46,644 個の生成された推定 EDSS スコアを観察することができました。 「私は人々に言いますが、これは私がこれまで見た中で最もマジックに近いものです」とマーシーはコメントした。 「基本的には、ここにメモがあり、スコアを生成するということです。 これで、それを適用して他のことを行うことができます。 それがこのポスター、つまりアプリケーションに関するものです。」
これらの新しい結果により、著者らは、RRMS および SPMS のさまざまな年齢の患者の障害の状態をより明確に把握できるようになりました。 このようなツールを使用することで、研究者は患者の数を増やし、実際の研究における重要な疾患の進行と転帰の尺度に関する利用可能なデータを増やすことができます。
機械学習モデルと AI が MS の研究と患者ケアにさらに導入されることをどのように見ているかとの質問に対し、Marci 氏は次のように答えました。「ステップ 1 は機能するモデルを生成することだと思います。 ステップ 2 では、それを適用してストレス テストと呼ばれるものを実行し、臨床上の質問を考え出し、モデルを適用して、データが意味があるかどうかを確認します。 そしてステップ 3 では、いわゆる意思決定支援ツールを生成します。」
同氏は続けて、臨床現場でのAIの実用化を思い描いた。「ジョーンズ夫人がMSを持ってやって来た。 彼女は42歳、子供2人ですが、苦労しています。 そして、簡単な病歴を調べて、それをクラウドに保存して、彼女を同様に 1,000 人の患者と比較したり、世界中の文献から臨床ガイドラインを検索して、彼女がどのような反応を示す可能性が最も高いかについての推奨事項を生成したりできます。」と熱心に付け加えました。それは個別化医療です。」
この潜在的な将来を念頭に置き、現段階でこのような方法を全国的に導入するという課題をマーシ氏は振り返りました。「これは、50 州すべての数千の診療所です。 単一のアクセスポイントはありません。 したがって、私たちはこれらのツールをベッドサイドの臨床医の手に届ける方法を見つけなければなりません。」 しかし、機械学習を RWD に適用した場合の結果の有効性は、臨床上の問い合わせや欠点に対処し、患者の転帰を改善するという AI の大きな可能性を示しています。
同じスレッドで、Westmoreland 氏のポスター「画像処理と神経画像データベースの分析を使用した神経疾患の早期診断のための人工知能ベースのプラットフォームの開発」は、AI が患者の診断に役立つ可能性を示しています。2
この研究の目標は、AI を活用して MRI 画像を解析し、MS 患者の病変を特定することでした。 MS 患者の合計 80 枚の MRI 画像が、MS でない患者の 80 枚の MRI 画像と並行して評価されました。 すべての画像は、2D 脳抽出アルゴリズムによるバイアス フィールド補正、画像スライス、コントラスト強調、アフィン レジストレーション、頭蓋骨除去を含む画像強調コードを通じて開発されました。 この機能強化により、病変とバイオマーカー検出のための深層学習アルゴリズムに情報を提供する長期短期記憶ネットワークと畳み込みニューラル ネットワーク (>) で構成される検証済み AI モデル用の画像が準備されました。
このプロセスに続いて、> とリカレント ニューラル ネットワーク (RNN) を組み合わせた追加の AI モデルがテストされ、バイオマーカーと病変が特定されます。 この識別は 80% 以上の確率で正確に達成されました。 深層学習アルゴリズムが進歩し、MS 関連の構造異常をターゲットにしてバイオマーカーを特定するために 1,000 枚の MRI 2T 強調画像を使用したトレーニングが行われるにつれて、著者らは MS を診断し、予後を 85% 以上の率で予測できるようになると予想しています。
参考文献
1. アウベス P、ブライアント Z、リービー M、カーハン G、ブシオス C、マルシー CD。 RWD を使用した多発性硬化症のサブタイプにおける疾患進行の特徴付け: 欠損データに対処するための機械学習モデルの適用の実現可能性。 ACTRIMS フォーラム 2024 で発表されたポスター。 2月29日～3月2日。 フロリダ州ウェストパームビーチ
2. Westmoreland S. 画像処理と神経画像データベースの分析を使用した、神経疾患の早期診断のための人工知能ベースのプラットフォームの開発。 ACTRIMS フォーラム 2024 で発表されたポスター。 2月29日～3月2日。 フロリダ州ウェストパームビーチ
1709485945
#MSの研究と治療におけるAIの約束がACTRIMS #2024で披露される
2024-03-03 16:33:50