人工智能工具预测哪些肌张力障碍患者对肉毒杆菌治疗有反应，准确率达96%
肌张力障碍是潜在的致残神经系统疾病，可以极大地影响生活质量。有效的治疗方法很少，将肉毒毒素(Botox)注射到受影响的肌肉被认为是一线治疗。然而，注射并不适用于每一个患有肌张力障碍的患者，临床医生在治疗开始前也没有确定的方法来确定谁会受益，谁不会。
在11月28日发表的一项新研究中神经病学年鉴,一个人工智能一个名为DystoniaBoTXNet的平台使用大脑核磁共振自动识别哪些患者会有反应肉毒杆菌毒素准确率为96.3%。
根据资深研究作者Kristina Simonyan，医学博士，医学博士，大众眼耳喉学研究主任，麻省布里格姆总医院成员，哈佛医学院耳鼻喉-头颈外科教授，这样的平台可以为临床医生的治疗决策提供信息。
“通常情况下，患有肌张力障碍的患者会接受一系列的剂量和定位注射，以确定肉毒毒素是否能缓解他们的症状。注射既痛苦又昂贵，”西蒙尼扬医生说。
“然而，尽管尝试了多次注射，有些人可能没有从这种治疗中获益，而有些人可能从注射中受益，但只注射了一次就放弃了，或者完全放弃了治疗。用这个人工智能算法我们可以为临床医生和患者提供一种客观的工具，取代肉毒毒素疗效的试错方法，从而增强他们的治疗决策能力。”
肌张力障碍患者的普遍治疗挑战
患有肌张力障碍的人会经历不自主的肌肉收缩或紧张，这可能导致不受控制的运动，严重影响身体和情感生活质量。
孤立性局性肌张力障碍影响身体的一部分，常见的例子包括:说话时影响声带的喉部肌张力障碍，引起不自主眼睑抽搐的眼睑痉挛，引起颈部肌肉收缩和头部痛苦扭曲的颈部肌张力障碍，以及写作时影响手指的作家痉挛肌张力障碍。每10万人中约有35人患有孤立性或原发性肌张力障碍——由于诊断障碍的挑战，这一患病率可能被低估了。
注射肉毒毒素被认为是局灶性肌张力障碍的一线治疗方法。注射麻痹受影响的肌肉，目的是防止不自主收缩。这种影响通常是暂时的，而且注射通常需要每三到四个月重复一次。
只有大约60%的肌张力障碍患者接受这种注射，并不是每个患者都对治疗有反应。这可能是由于潜在的生物学原因，症状的复杂性或注射医生的经验和专业知识。这可能会导致对原本对肉毒毒素没有反应的患者过度治疗，而对可能有反应但从未寻求治疗或可能早期停止治疗的患者治疗不足。
这种高可变性促使Simonyan博士和她的团队转向人工智能，以寻找一种解决方案，在治疗开始前客观评估肉毒毒素注射的益处。
用核磁共振成像预测治疗效果
这项新研究发表在神经病学年鉴，研究团队训练了一种深度学习算法来分析284名患有四种类型肌张力障碍的患者的大脑mri，这些患者对肉毒毒素注射有反应和没有反应。注射的效果由医疗记录和医生和病人的反馈决定。
DystoniaBoTXNet显示，大脑中有八个区域可以作为注射有效性的神经生物标志物。使用这种新发现的生物标志物，DystoniaBoTXNet在预测局性肌张力障碍的肉毒毒素疗效方面达到了96.3%的总体准确性，灵敏度为100%，特异性为86.1%。该平台在每个案例中只用了19.2秒就完成了这些结果。
“我们的研究表明，DystoniaBoTXNet可以成为一个非常强大且易于使用的人工智能平台，供医生用于改进临床决策。人工智能生成的个人预测结果肉毒毒素注射Simonyan博士举了一个例子，他说:“在给药前使用肉毒毒素可以帮助更精确地选择患者，微调治疗方案，或进一步转诊，从而增加肌张力障碍患者肉毒毒素的使用。”
“另一方面，该平台可以预测患者从注射中受益的可能性非常低，这将为医生考虑其他治疗方案，而不是肉毒杆菌毒素过度治疗提供信息。”
人工智能解决了肌张力障碍的诊断和治疗问题
DystoniaBoTXNet工具是第二个人工智能平台由西蒙尼扬博士和她的团队发明，以帮助临床决策。这项研究建立在该团队之前的研究基础上，该团队报告了一个名为DystoniaNet的独立平台的成功，该平台能够在0.36秒内从患者核磁共振成像中诊断肌张力障碍，准确率为98.8%。众所周知，肌张力障碍被误诊和诊断不足，一些研究表明，患者可能需要长达10年的时间才能得到正确的诊断。
有趣的是，在这篇新论文中，DystoniaBoTXNet鉴定为肉毒毒素疗效神经生物标志物的8个区域中，有5个之前被发现构成了dystoniannet的诊断生物标志物。多年来，临床医生一直没有客观的生物标志物来识别这些疾病，因此重叠区域可能为它们在癌症中的作用提供了额外的证据肌张力障碍科学家可以更好地探索。
随着对这两个平台的进一步研究，希望有一天患者可以在出现症状后进入临床医生的办公室，通过肌张力障碍网进行MRI检查并得到诊断;然后，DystoniaBoTXNet可以帮助确定肉毒毒素治疗是否对他们有效。
为了实现这一目标，研究人员正在布里格姆麻省总院进行多项临床试验，以确定这些工具在临床中的有用性。这项工作的另一个未来方向是研究其他的治疗方法，如深部脑刺激，是否可以由基于人工智能的工具预测。
