AI-Based Analysis for Parkinsonism
11:48 Share

帕金森病的诊断延误可能意味着护理延误。在最近发表在《美国医学会神经病学杂志》(JAMA Neurology)上的一项研究中，David Vaillancourt博士及其同事测试了人工智能模型在结合MRI的情况下区分帕金森病和其他神经退行性疾病的能力。他与《美国医学会杂志》(JAMA)和《美国医学会人工智能杂志》(JAMA+AI)副主编Yulin Hswen博士讨论了这一问题。相关内容：相当一部分帕金森病诊断是错误的——以下是人工智能如何提供帮助 帕金森病的自动化影像学鉴别诊断</context> <raw_text>0 我是Yulin Xun，《美国医学会杂志》(JAMA)和《美国医学会人工智能杂志》(JAMA+AI)的副主编，您正在收听JAMA+AI对话。

我今天的嘉宾是佛罗里达大学奥查德教授兼系主任David Valancourt博士。他的研究项目使用先进的神经影像技术来研究人类和动物模型大脑中与帕金森病、痴呆、震颤、共济失调和肌张力障碍相关的功能性和结构性变化。欢迎，David。嗨，谢谢你邀请我。

你能告诉我一些关于你在《美国医学会神经病学杂志》(JAMA Neurology)上发表的文章《帕金森病的自动化影像学鉴别诊断》以及你决定开发这个新的AI工具的原因吗？

是的，在帕金森病中，有一个统称叫做帕金森综合征，它包括帕金森病和其他形式的帕金森综合征，这些综合征也模仿帕金森病的症状，这就是误诊可能发生的地方。因此，在一个人的诊断轨迹的前五年中，从说25%到几乎高达50%的患者的诊断是错误的。

一旦他们确立了诊断，医生会在很长一段时间内确立诊断，它的准确性确实会变得更高。但在早期，在最初的五年内，诊断的准确性不太确定。所以我们开始走这条路，因为我们正在努力

帮助医生使用一些工具，这些工具或许能够帮助他们更早、更准确地做出这些诊断判断，因为许多患者正在接受可能错误的治疗。这也扰乱了目前和过去的大规模临床试验，在这些试验中，一些患者被纳入其中，而这些患者可能并不具备这些试验正在寻找的帕金森病类型。因此，如果你看看药物开发，你看看临床护理，我们正试图改进这些领域，因为我们觉得可以做很多事情来确保队列，并确保患者得到正确的诊断。你的AI模型观察了大脑的特定部位，以学习与每种疾病相关的模式。我发现这非常吸引人。你能用通俗的语言描述一下AI模型是如何做到这一点的吗？

是的，我们能够在一个非常混乱的数据集中相当准确地区分这些帕金森综合征的形式。所以，MRI中的一部分问题是制造商并不一定相互交流或合作。所以他们在市场上相互竞争。因此，他们的软件并不总是对齐的。因此，拥有一个跨越这些扫描仪制造商的分析软件并非易事。在一台扫描仪上进行操作要容易得多。但是，当你开始跨数据集组合它时，这才是棘手的部分。

因此，我们基本上使用的是一种AI算法，它对我们模型中的所有原因进行加权。这有点像指纹，你知道，你基本上是在试图找出大脑中退化的位置。这项研究的假设是，某些类型的帕金森综合征，所以我们基本上研究的是帕金森病、疟疾。

多系统萎缩和进行性核上性麻痹。这些是不同的病理。它们有不同的症状，但早期它们可能会相互模仿。进入研究的假设是，这些病理在脑部退化的位置上会有不同的特征。因此，我们使用一种影像技术来捕捉这些退行性模式。然后，我们根据这些退行性模式为它们分配诊断。

然后，你还将AI预测与某些病例的脑部尸检进行了比较，以查看它是否得到了正确的诊断。对吗？正确。所以我们比较AI算法的方法有两种。第一种是临床诊断。第二种，正如你提到的，是尸检确诊的病例。所以我们在临床诊断的病例上建立了算法。

在我们发表在《美国医学会神经病学杂志》(JAMA Neurology)上的研究中，这是一项前瞻性研究。这项研究的关键部分是前瞻性的，它涵盖了21个站点。在这项研究中，我们也有所有三个主要的MRI扫描仪制造商。因此，我们能够跨站点测试AI算法，也能跨扫描仪测试。

因此，我们定义临床诊断的方式是，我们让三位独立且盲法的医生查看患者视频、临床特征、神经系统检查以及他们可以访问的标准MRI，他们可以独立地做出自己的诊断判断。然后，当他们彼此同意时，我们就称该患者为真实情况，这将是临床诊断。现在，我们还有一个单独的病理学确诊病例队列，然后我们将算法与之进行比较。

因此，在这种情况下，我们有两个不同的真实情况来源来查看算法是否在这两种情况下都有效。如果它在一个有效但在另一个无效，那么这将导致我个人失去信心。但如果它在两者中都有效，那么这就会让我们更有信心，它可能是一个非常好的算法。

AI工具非常准确。在区分帕金森病与MSA和PSP方面，其准确率超过96%。你认为这是为什么？你认为这些算法为什么这么好，特别是你的算法AI工具？

我认为是因为大脑的某些部位，如果你查阅文献，你会看到这一点，正在发生变化。例如，如果你观察PSP，并查看已发表的病理学研究，你会发现这些患者的病理区域非常一致。例如，上小脑脚是脑桥的一个关键输出通路。它在PSP中正在发生变化。丘脑底核也在PSP中退化。

基底神经节和中脑的区域也在PSP患者中发生变化。

而在多系统萎缩患者中，你会得到一些基底神经节的变化，但你也会得到中位小脑脚，这是小脑的另一个部分，它将信息从脑干带入小脑。该区域在MSA中退化。所以，你知道，这不仅仅是一个区域。我们基本上正在合并许多区域。如果你回顾过去的一些MRI研究，他们真的只关注MRI扫描上的一个征象或一个区域，或者可能是两个区域，但我们正在采取一个集体区域。

因此，我们基本上正在处理人眼无法真正看到的东西。这就是为什么我认为它像一个众包模型，说明大脑是如何告诉我们这些患者的样子。我们基本上同时检测大脑的许多部位，以查看指纹或特征实际上是如何识别这些患者的。这就是为什么我们认为它比过去的研究更有效的原因。

你认为这个AI工具可以用于医院，帮助人们更快地获得正确的诊断吗？你认为它如何融入护理？是的，我存在利益冲突。我拥有一家拥有这项专利许可的公司，并且正在向美国监管机构申请批准。因此，该公司的愿景是将其置于临床护理范围和工作流程中。所以，你知道，神经科医生会订购MRI，

这通常会送到放射科医生或神经放射科医生那里，他们会进行标准的MR解读。好吧，只需使用扫描，这是一个弥散MRI扫描，它随后将基本上通过自动图像处理。有很多不同的供应商正在关注AI领域的AI和放射学。因此，你可以将此视为该工作流程中的一个插件，它会向

神经科医生或神经放射科医生提供读数或报告。因此，目标是将此集成到工作流程中，以便易于访问和使用。图像处理时间目前大约需要两个小时。因此，这当然符合帕金森综合征患者诊断的预期。目前，出于任何原因，你都不需要比这更快。因此，我们认为这不是这种情况下的限速时间段。

你认为，随着这些AI工具变得越来越好、越来越快，你是否会看到这些工具成为人们在家中使用的工具，以帮助他们管理症状或进行自我诊断，而不仅仅是在医院环境中？

我认为，从广义上讲，AI，我可以预见患者可以访问可能对他们有帮助的AI工具。我认为，在我们具体的例子中，我们的工具最好掌握在经过培训的医生手中。我会犹豫是否将此交给个人，但我确实认为，让医生掌握它，然后医生根据他们自己的专业意见做出决定，这是使用我们工具的方式。但我确实认为，总的来说，AI工具将来可能会在家庭中占据一定的位置。而且

那么这个AI工具的未来是什么？你认为它会如何进一步发展？是的，这个在帕金森病中的特定工具，我们认为它可以帮助临床护理患者。你知道，每年有9万名帕金森病新诊断患者。而且，你知道，如果你认为其中25%到50%的患者被误诊，我当然可以看出它可能非常有用。

我们还认为它在临床试验中也很有用。你可以想象一种药物即将成功。如果你要移除10%被误诊的患者，那么这种药物更有可能成功。因此，我们认为它可以在这两个方面使用。

你提到你查看了不同类型的MRI机器。你能告诉我如何改进成像，以便更好地将数据拟合到AI模型中吗？你希望在这些MRI中看到什么？

我不知道我们会改变正在进行的MRI类型。我觉得在MRI领域总是有一个推动，因为时间就是金钱，那就是总是压缩获取图像所需的时间。所以我觉得这可能会导致

牺牲图像本身的质量。所以我确实认为过度推动可能会损害图像质量。当然，我们的处理流程取决于某些类型的成像。因此，我们不希望它超出我们的软件实际能够读取的内容，如果这说得通的话。因此，我们希望扫描仪制造商仍然可以使用适合我们目前正在执行的分析类型的成像技术。

你认为未来有哪些障碍需要消除，才能使这种类型的AI工具在临床环境中得到采用？我们目前正在寻求监管批准。所以这目前是一个障碍。然后我认为在医疗机构和医院中存在一个信任因素，即关于将数据发送到他们自己的数据网络之外。你知道，很多

当然，我们的云基础设施目前位于亚马逊，例如，亚马逊网络服务。因此，让医院系统能够舒适地将数据进出这种环境，对于我们的案例来说将是必要的。我们可以将其改编为不同的设置，但我们当然更愿意不这样做。因此，我认为对于AI型工具来说，拥有这种数据进出医院环境的舒适度，我认为将是未来非常重要的一步。因此，IT和医院环境非常关键。

非常感谢David接受这次采访。谢谢。我是Yulin Xuan，《美国医学会杂志》(JAMA)和《美国医学会人工智能杂志》(JAMA Plus AI)的副主编。我一直在与David Ballincourt博士讨论帕金森病的自动化影像学鉴别诊断。你可以在本集的描述中找到文章链接。要了解更多此类内容，请访问我们的新JAMA Plus AI频道jamaai.org。

要关注此播客和其他JAMA网络播客，请访问我们的在线网站jamanetworkaudio.com，或在您获取播客的任何地方搜索JAMA网络。本集由JAMA网络的Daniel Moreau制作。感谢收听。本内容受美国医学会版权保护，所有权利均保留，包括文本和数据挖掘、AI培训和类似技术的权利。