本文摘自雷锋网，原文链接：https://www.leiphone.com/category/healthai/yg2l8S5lCt8aQrtD.html，侵删。
近日，2022年医学人工智能大会（CMAI 2022）暨第二届“中国医学学术期刊发展”高端论坛召开。
本次高峰论坛邀请了多位顶尖医院的放射科主任及人工智能技术的权威专家，共同探讨人工智能技术在医学影像中的临床应用与科研进展，分享研究心得。
雷峰网(公众号：雷峰网)《医健AI掘金志》作为本次大会的支持单位，全程参与嘉宾的演讲内容与深度报道。
首都医科大学宣武医院副院长卢洁教授作为本次大会的嘉宾，以《脑脱髓鞘病MRI成像的人工智能应用研究》为题发表了演讲。
以下是卢洁教授的演讲内容，雷峰网《医健AI掘金志》进行了不改变原意的整理。
大家好，今天向大家汇报的主题是脑脱髓鞘病磁共振成像的人工智能应用。
脑脱髓鞘病是以神经髓鞘脱失为主要或始发病变，随后出现轴索、胞体和神经胶质受损的神经免疫疾病，主要包括多发性硬化（MS）和视神经脊髓炎（NMO）。
全球约有280万多发性硬化患者，中国约有4.2万例，这也是中青年人群致残的神经系统常见疾病。
其病理性的特征改变是脑白质多发性脱髓鞘斑块伴反应性胶质增生和轴索损伤。疾病早期主要表现为髓鞘崩解与脱失和小胶质细胞激活，轴索相对完好。病变晚期则表现为轴突崩解、神经细胞减少并形成神经胶质的硬化斑。
这是2017版的多发性硬化诊断标准，可以看到在诊断中我们既需要客观的临床证据，也需要一些额外的证据。其中，磁共振成像是协助多发性硬化诊断的最重要的评估方法。
临床中应用的常规磁共振成像可以为多发性硬化提供多维度的信息，包括病灶数量、位置、体积，以及强化的特点和病灶进程。而且，常规磁共振诊断多发性硬化的灵敏度较高，可达到约95%。
多发性硬化病灶的常见位置为侧脑室周围、皮层下、u型纤维、脑干和小脑，形态呈椭圆形或手指状。急性期病灶有膨胀感，呈现“煎蛋征”、“开环状”、“C型”强化，强化持续时间在90天以内。在慢性期T1呈现低信号病灶，呈“黑洞”状。
这是多发性硬化病灶在脑内的典型分布位置，侧脑室旁、幕下以及胼胝体。
典型表现为u形纤维病灶、Dawson手指征以及卵圆形的病灶形态。
不同时期的病灶特点也不相同，在时间上呈现多相性。如果对病人进行临床随访，可能会发现患者出现新发病灶，且病灶往往在一个以上，同时存在强化病灶与不强化病灶，也就是说既有急性期病灶也有慢性期病灶。
视神经脊髓炎也是中枢神经系统常见的炎性脱髓鞘疾病，发病率仅次于多发性硬化，在亚洲更加多见，尤其以女性多发，男女比例大约是1:4。该病主要累及视神经、脊髓、脑，血清特异性自身抗体为AQP4抗体阳性。85%-90%患者会复发，预后比多发性硬化更差。
视神经脊髓炎的诊断标准多年来经历了数次演变，1894年首次提出NMO的概念；1999年出现第一个NMO诊断标准；2004年AQP4-lgG发现后，NMO被认为是不同于MS的独立疾病；2007年提出了NMOSD（视神经脊髓炎谱系疾病）的新概念；2015年出现了最新的NMOSD诊断共识。
视神经脊髓炎谱系疾病可以根据AQP4抗体阴性与AQP4抗体阳性来进行诊断，磁共振评估是诊断中的重要环节。
NMOSD的脑内病灶并不少见，43%-70%的患者首次发病即可出现脑内病灶，主要包括围绕脑室系统的室管膜周围病灶、侧脑室周围及胼胝体病灶、皮质脊髓束病灶、半球白质病灶以及非特异性病灶。
这是NMOSD间脑和大脑损害的MRI改变，通常为丘脑及下丘脑损伤，广泛的皮质下白质损害及强化；E是沿胼胝体长轴的线样损害，F是沿大脑脚、桥脑皮质脊髓束纵向损害，以及急性室管膜周大脑白质损害及强化的改变。
此外我们还可以看到NMOSD延髓背侧、极后区及脑干受损的磁共振表现，表现为延髓背侧病灶、极后区病灶、四脑室周围及桥脑腹侧损害、中脑背侧损害以及四脑室周围损害。
NMOSD的特征性病灶为室管膜周围病灶以及皮质脊髓束病灶。
这是NMO的侧脑室周围及胼胝体病灶，侧脑室旁病变紧贴着侧脑室壁，沿管膜内衬分布，常见于侧脑室前后脚周围，不常累及侧脑室体周围。当累及胼胝体全层时，病灶呈现“拱桥样”改变，而胼胝体-透明隔交界处（CSI）的脑部病灶则更常见于MS。
半球白质病灶可表现为肿瘤样脱髓鞘病变、多发性硬化样病变以及急性播散性脑脊髓炎样病变。
MS与NMOSD的鉴别诊断十分具有挑战性，根据既往文献的报道，大约30%的MS患者在疾病早期会被误诊为NMOSD。这两种疾病的临床症候比较相似，实验室检查结果也有部分重叠，因此确诊周期较长，大约12%的患者需要至少6年时间才能确诊。对基层医院的医生与低年资医生来说，这两种疾病的诊断更具有挑战性。
人工智能是不是能帮助我们来做一些工作呢？人工智能是利用计算机技术模拟人类的思维和学习过程，使之胜任人类智能才可完成的复杂工作。它的发展从1950年，计算机和人类智能的交互开始，再到1980年机器学习的算法改进，使我们能够进行大数据处理，再到2010年深度学习中的智能神经网络解码更深层次的影像信息。
相关阅读 >>
intel补短板：推出首批云端AI芯片 正面对抗nvidia
openAI ceo回应chatgpt作弊担忧：将协助开发检
继AI绘画、AI聊天后，没学过生物的「门外汉」也能「一键生成」蛋白质
东软医疗黄峰：AI助力解决医疗痛点问题的路径探索 | gAIr2021
更多相关阅读请进入《AI》频道 >>
