Muskel MRI -skitsering af neuromuskulære sygdomme ved hjælp af kunstig intelligens

Baggrund og mål:

Neuromuskulære sygdomme omfatter en række tilstande, der påvirker muskelceller, nerver eller samspillet mellem de to. Et almindeligt patologisk træk ved disse tilstande er den pro-gressive udskiftning af muskelvæv med fedt, som kan visualiseres ved hjælp af magnetisk reso-nance-billeddannelse (MRI). MR-baseret fedtkvantificering fungerer som en nøglebiomarkør for sygdomskarakterisering, progressionssporing og behandlingsvurdering. I øjeblikket er manuel segment af MR-scanninger til fedtkvantificering meget tidskrævende, hvilket kræver individuel muskelafgrænsning. Derfor udvikles en kunstig intelligens (AI) -model til at automatisere segmenteringen. Formålet med denne undersøgelse er at validere denne AI -model og vurdere dens muligheder og begrænsninger.

Metode:

Undersøgelsen pågår. Retrospektive MR-scanninger af patienter med fire forskellige muskelsygdomme (anoctaminopati, Becker muskeldystrofi, facioscapulohumeral muskeldystrofi og hypokalemisk periodisk lammelse) opsamles og manuel afgrænsning, der bruges til træning af AI-modellen udføres. Den intramuskulære fedtfraktion af individuelle muskler i bækkenet, låret og kalv analyseres ved hjælp af AI -modellen. Ydelsen af ​​AI -modellen sammenlignes med manuel segmentering. AI evalueres på målinger såsom segmenteringsnøjagtighed og tidseffektivitet.