利用人工智能深度神经网络评估系统性硬化症

人工智能（AI）正在塑造医疗保健的未来，为疾病的早期诊断和治疗结果的更精准追踪提供新工具。在耶鲁大学主导的一项新研究（发表于《 关节炎研究与治疗》）中，研究人员利用一种名为深度神经网络（DNN）分析的人工智能技术，解读系统性硬化症患者的皮肤病变和治疗反应。

系统性硬化症（SSc），即硬皮病，是一种慢性自身免疫性疾病，其特征是胶原蛋白过度生成，胶原蛋白是一种赋予组织力量和结构的蛋白质。胶原蛋白的过度生成会导致皮肤和其他部位增厚和硬化，严重影响生活质量。

“患者常常承受双倍压力，因为系统性硬化症会影响他们的内脏器官和外貌，使这种疾病非常明显，”医学（风湿病、过敏和免疫学）副教授、该研究的主要研究者莫妮克·欣奇克利夫医学博士、理学硕士说，“早期诊断能让患者在内部器官受损之前更早改变生活方式和接受治疗，从而过上更长久、更健康的生活。”

目前，SSc临床试验中皮肤厚度评估的金标准是半定量改良罗德南皮肤评分（mRSS）。欣奇克利夫实验室的研究助理、该研究的主要作者伊拉伊达·古内斯称，尽管该工具被广泛使用，但它有一些明显的局限性。

古内斯说：“mRSS通过捏压测试测量真皮厚度，需要较长时间间隔才能检测到有意义的变化，而且可能会受到肥胖和水肿等因素的干扰。我们这项研究的目的不是取代mRSS，而是找到定量且可重复的补充方法，有可能缩短通常持续一年的临床试验时长。”

在这项研究中，研究人员利用深度神经网络分析SSc患者的皮肤活检样本，并为每个样本生成一个“纤维化评分”。该团队是首个将AI应用于SSc皮肤活检的团队。

这项研究旨在评估在SSc临床试验中，深度神经网络得出的纤维化评分与mRSS相比情况如何，并确定DNN检测和量化哪些组织学特征。研究人员发现，DNN纤维化评分与传统的mRSS相关性较弱，并且不同的组织学特征与每种测量方法的变化有关。

古内斯说：“mRSS和纤维化评分之间的低相关性表明，AI可能捕捉到临床医生通过简单捏压测试无法检测到的皮肤特征。”她还补充说，由于从组织学分析来看，mRSS和纤维化评分似乎测量的是不同的病理特征，所以将这两种方法结合起来可能比单独使用其中一种更好。

研究人员希望他们的发现将有助于简化临床试验、加速全球招募并提高参与者的多样性，最终提高SSc试验结果的普遍性。

欣奇克利夫认为，AI将继续推动早期诊断。她说：“AI方法发展迅速，我们正在试验新的方法，这些方法可能有助于测量SSc皮肤病的三个组成部分：炎症、血管异常和纤维化。希望AI模型能够通过皮肤活检或胸部计算机断层扫描来检测早期临床疾病，从而启动治疗以防止器官损伤。”

本新闻报道中的研究得到了美国国立卫生研究院（奖项R01AR073270、1R01GM141309、K23AR075112、R01HL164758、W81XWH2210163、R01HL159620、R01AG083735和R01AG062109）和耶鲁大学的支持。内容仅由作者负责，不一定代表美国国立卫生研究院的官方观点。赛诺菲 - 安万特美国有限责任公司提供了额外支持。

风湿病、过敏和免疫学部门致力于为患有风湿病、过敏和免疫性疾病的患者提供治疗；培养该领域未来的思想领袖；开展自身免疫和免疫学基本问题的研究。欲了解更多信息，请访问“风湿病、过敏与免疫学”。