Spiermri schetst van neuromusculaire ziekten met behulp van kunstmatige intelligentie

Achtergrond en doel:

Neuromusculaire ziekten omvatten een reeks aandoeningen die spiercellen, zenuwen of de interactie tussen de twee beïnvloeden. Een gemeenschappelijk pathologisch kenmerk van deze omstandigheden is de pro-gressieve vervanging van spierweefsel door vet, dat kan worden gevisualiseerd met behulp van magnetische reso-nance imaging (MRI). MRI-gebaseerde vetkwantificering dient als een belangrijke biomarker voor karakterisering van ziekten, progressie-tracking en behandelingsbeoordeling. Momenteel is de handmatige segmenta van MRI-scans voor vetkwantificering zeer tijdrovend, waardoor individuele spierafbakening vereist. Daarom wordt een kunstmatige intelligentie (AI) -model ontwikkeld om de segmentatie te automatiseren. Het doel van deze studie is om dit AI -model te valideren en de mogelijkheden en beperkingen ervan te beoordelen.

Methode:

De studie is aan de gang. Retrospectieve MRI-scans van patiënten met vier verschillende spierziekten (anoctaminopathie, Becker spierdystrofie, facioscapulohumerale spierdystrofie en hypokalemische periodieke verlamming) worden verzameld en handmatige afbakening gebruikt voor het trainen van het ai-model wordt uitgevoerd. De intramusculaire vetfractie van individuele spieren van het bekken, de dij en kalf zal worden geanalyseerd met behulp van het AI -model. De prestaties van het AI -model worden vergeleken met handmatige segmentatie. De AI zal worden geëvalueerd op statistieken zoals segmentatie -nauwkeurigheid en tijdefficiëntie.