基于基线 MRI 的多发性硬化未来病灶活动与治疗效应的个性化预测
图像与视频处理
2022-09-23 v4 计算机视觉与模式识别
机器学习
摘要
针对多发性硬化（MS）等慢性疾病的精准医疗涉及为个体患者选择最佳平衡疗效与副作用/偏好的治疗。尽早做出该选择十分重要，因为寻找有效疗法的延误可导致不可逆的残疾累积。为此，我们提出了首个基于基线磁共振成像（MRI）（若有可用临床信息则一并纳入）的 MS 患者个体化治疗决策深度神经网络模型。我们的模型（a）预测随访 MRI 上多种治疗下的未来新发及扩大 T2 加权（NE-T2）病灶计数，并（b）估计条件平均治疗效应（CATE），由所预测的未来 NE-T2 病灶抑制定义，即不同治疗选项相对于安慰剂的效应。我们的模型在来自四项多中心随机临床试验的 1817 例多序列 MRI 的专有联邦数据集上验证。我们的框架在五种不同治疗的未来 NE-T2 病灶二值回归中达到高平均精度，识别异质性治疗效应，并提供考虑治疗相关风险（如副作用、患者偏好、给药困难）的个性化治疗推荐。
引用
@article{arxiv.2204.01702,
title = {Personalized Prediction of Future Lesion Activity and Treatment Effect in Multiple Sclerosis from Baseline MRI},
author = {Joshua Durso-Finley and Jean-Pierre R. Falet and Brennan Nichyporuk and Douglas L. Arnold and Tal Arbel},
journal= {arXiv preprint arXiv:2204.01702},
year = {2022}
}
备注
Accepted to MIDL 2022