人工智能在骨关节炎发展前几年就能检测到它

匹兹堡大学医学院(University Of Pittsburgh School Of Medicine)和卡内基梅隆大学工程学院(Carnegie Mellon University College Of Engineering)的研究人员创造了一种机器学习算法，可以在症状开始前几年拍摄的MRI扫描中检测到骨关节炎的细微迹象-太抽象了，在训练有素的放射科医生眼中无法注册。这些结果将于本周发表在“美国国家科学院院刊”(PNAS)上。有了这种预测性的方法，有一天患者可以用预防性药物治疗，而不是接受治疗。

诊断关节炎的金标准是X光。这项研究的合著者、皮特大学整形外科副教授、UPMC Magee-Women医院骨关节中心副主任肯尼思·乌里什(Kenneth Urish)说，随着软骨的恶化，骨骼之间的间隙也会减小。问题是，当你在X光片上看到关节炎时，损害已经造成了。防止软骨碎裂要比设法让它重新生长容易得多。

目前，骨关节炎的主要治疗方法是关节置换。这种情况如此普遍，以至于膝关节置换是美国45岁以上人群最常见的手术。

在这项研究中，研究人员查看了骨关节炎倡议组织的膝关节核磁共振成像，该倡议对数千人进行了长达7年的跟踪调查，以了解膝关节骨关节炎是如何发展的。他们关注的是在研究开始时几乎没有软骨损伤证据的一部分患者。

回过头来看，我们现在知道了这些参与者中哪些人后来患了关节炎，哪些人没有，计算机可以利用这些信息来了解症状前患者MRI扫描上的微妙模式，这些模式可以预测他们未来的骨关节炎风险。

当医生看着这些软骨图像时，肉眼看不到任何图案，但这并不意味着那里没有图案。这只是意味着你不能用传统工具看到它，“主要作者、医学博士辛吉尼·昆杜说，她在皮特医学科学家培训项目和卡内基梅隆大学生物医学工程系完成了这个项目，这是她研究生培训的一部分。

为了验证这种方法，现在是约翰·霍普金斯放射科(Johns Hopkins Department Of Radiology)医学研究员的昆杜在膝盖MRI数据的子集上训练了该模型，然后在以前从未见过的患者身上进行了测试。昆杜这样做了几十次，每次都扣留了不同的参与者，以在所有数据上测试算法。

总体而言，该算法从症状出现前三年进行的核磁共振成像中预测骨关节炎的准确率为78%。

目前，还没有阻止症状前骨关节炎发展为全面关节恶化的药物，尽管有一些高效的药物可以防止患者患上相关疾病-类风湿性关节炎。

其目标是开发治疗骨关节炎的相同类型的药物。已经有几个候选人正在进行临床前研究。

乌里什说：我们不需要招募1万人，然后跟踪他们10年，我们只需要招募50名我们知道两五年后会得到的人就行了。然后我们可以给他们实验药物，看看它是否能阻止疾病的发展。更多信息：Shjiini Kundu等人，通过基于运输的学习，从症状前软骨纹理图中早期检测骨关节炎，"；PNAS(2020)。Www.pnas.org/cgi/doi/10.1073/pnas.1917405117