人工智能程序可提供快速且准确的肌张力障碍诊断

根据9月28日在《美国国家科学院院刊》上发表的一篇论文，研究人员使用一种“深度学习”人工智能(AI)方法，能够高度准确地识别和识别孤立的局灶性肌张力障碍。

该方法结合了基于对大脑MRI图像中的微结构神经网络进行分析的算法，并已证明在将三种临床诊断的肌张力障碍与健康对照区分开时，准确率达到了98.8%。

名为DystoniaNet的AI诊断平台使研究团队能够获得与两名专门研究肌张力障碍的领先临床医生相同的诊断结论-但与诊断该疾病通常需要很长时间的过程相反，AI方法仅需0.036秒诊断疾病。

研究作者指出，典型地，诊断肌张力障碍是一个具有挑战性的过程。他们写道：“目前，还没有针对肌张力障碍的生物标志物或金标准诊断测试，并且目前还没有解决该问题的技术或方法。” “我们证明了我们自动定义的微结构神经网络生物标记物及其算法平台DystoniaNet可以为孤立的局灶性肌张力障碍提供客观，准确，快速且经济高效的诊断。”

该论文的高级作者告诉《今日神经学》，她正在与四个学术中心进行对话，以开始验证研究。

“我们需要将其纳入临床设置，以使医生对更多患者和类型的肌张力障碍患者进行技术评估，”哈佛大学医学院耳鼻喉科副教授，耳鼻喉科副医师Kristina Simonyan博士说马萨诸塞州眼与耳的喉科学研究。

她强调，与其他任何检查一样，DystoniaNet并非要取代临床医生;而是旨在增强他们的诊断决策能力。

Simonyan博士说：“这个想法是为神经科医生提供一种临床上有价值的工具，以供他们参考。” “放弃临床评估或病史是没有意义的。”

专注于运动障碍(包括肌张力障碍)的三位主要神经学家称该论文令人兴奋，甚至具有革命性，但他说，其结果需要在更大，更多样化的患者样本中复制。

罗彻斯特大学神经病学教授，运动障碍部门负责人，医学博士，理查德·法恩(Richard L. Barbano)表示：“这项研究令人兴奋，它具有很大的潜力。” “但是他们正在将专家医生诊断为肌张力障碍的人与完全健康的对照进行比较。” 他们的程序在诊断轻度病例或由于其他问题而产生的相似性方面的表现如何?那才是我们真正需要的。我的直觉告诉我，他们在做某事，但是他们需要做更多的工作。”