Billeddiagnostisk evaluering af centralnerveautoimmune sygdomme

Multipel sklerose (MS) er den mest almindelige demyeliniserende sygdom i centralnervesystemet og den hyppigste årsag til ikke-traumatisk handicap hos unge og midaldrende mennesker. Neuromyelitis optica spectrum disease (nmosd) er en uafhængig sygdom, der er forskellig fra Ms. patogenesen og tilstanden for hjerne- og rygmarvsskade er forskellig fra MS, og prognosen og den optimale behandling er anderledes. Det er svært at skelne mellem de to sygdomme i den tidlige fase. Tidlig diagnosticering og behandling af de to sygdomme kan i høj grad forbedre patienternes livskvalitet. Derfor er det et presserende problem at klarlægge forskellen mellem MS- og nmosd-skademønstre og at finde følsomme billeddannende markører til tidlig klinisk intervention. Med den kontinuerlige udvikling af computerstøttet diagnose (CAD) bliver det mere og mere udbredt i medicin, hvilket forventes at hjælpe med at løse ovenstående problemer.

Formålet med denne undersøgelse er at skabe en neuroimmun sygdomsevalueringsdatabase baseret på billeddata. Ved at kombinere hjerne- og rygmarvsbilleddannelse og baseret på Zhang quantum space learning computerstøttet teknologi kan vi opnå nøjagtig segmentering af MS og nmosd hjerne- og rygmarvslæsioner, analysere sygdommens udviklingskarakteristika på forskellige tidspunkter og screene billeddiagnostiske indekser relateret til kliniske scores kombineret med kliniske og laboratorieindekser Formål: at bestemme de forskellige prognoser og dens indflydelsesfaktorer på klinisk, billeddiagnostisk og molekylært niveau, og etablere en model til at forudsige sygdomsprogression og -prognose, for at danne grundlag for tidlig identifikation og hjælp til at vejlede behandling og bedømme prognose.

Klinisk information blev indsamlet: alder, køn, sygdomsforløb, MMSE, EDSS handicap score, ni hullers test, 25 fods gangtest. Vurder patientens informationsbehandlingsevne. Der blev udtaget blodprøver. Billeddiagnostisk undersøgelse blev udført. Patienterne blev fulgt op løbende.