小编发现不少朋友对于在治疗MS时人工智能如何限制limit的使用这方面的信息都比较感兴趣，小编就针对在治疗MS时人工智能如何限制limit的使用整理了一些相关方面的信息 在这里分享给大家。

根据《放射学》上发表的一项新研究，深度学习(DL)可以在未增强的MRI扫描中预测和增强MS病变。这些发现表明，MS患者有一天可能无需使用基于lin的造影剂(GBCA)进行治疗。

主要作者Ponnada A. Narayana博士写道：“ GBCA的使用令人担忧，其中包括肾功能不全患者的肾原性系统纤维化以及各种组织中长期deposition沉积。”同事。“对于MS患者，尤其是MS患者，他们经常通过GBCA进行影像学检查以进行定期的临床随访，这可能导致组织中cumulative的累积沉积更高。”

该团队的DL模型包括两个网络，一个是卷积神经网络(CNN)，它扫描所有2D切片以增强对比度，另一个是完全连接的网络，可以对参与者进行预测。

然后，作者对2005年至2009年招募参加多中心III期临床试验的1,000多例复发缓解型MS成年患者的MRI数据进行了前瞻性分析。68个不同的设施构成了原始数据集。

总体而言，在519名研究参与者中至少检测到一种病变。平均共有五个测试集，Narayana等。他写道，他们的模型对切片预测的敏感性为78%，对切片预测的特异性为73%。参加者预测的敏感性和特异性分别为72%和70%。

“参加者预测的准确性降低(70%，而切片准确性为75%)并不令人惊讶;分层预测中的错误会被放大，可能会完全改变对患者的预测，而不会增强病变(导致假阳性结果)或具有单个病变的患者(导致假阴性结果)。”作者解释说。

另外，用于切片预测的ROC曲线下的平均面积(AUC)为0.82。对于参与者的预测，AUC为0.75。研究小组写道，这些发现表明，DL可能有朝一日无需使用GBCA来识别增强病变，但仍然需要做更多的工作。

作者总结说：“预计包含其他MRI序列可以进一步改善DL性能。” “在将DL用作GBCA的可行替代方案以鉴定MS增强病变之前，这将是必要的。”