ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ все чаще исследуется как инструмент для улучшения диагностики, мониторинга и прогностической оценки в центральная нервная система (ЦНС) аутоиммунные заболевания, согласно новому обзору текущих данных.
В ходе обзора были рассмотрены приложения по всему рассеянный склерозРасстройство спектра зрительного нейромиелита, аутоиммунный энцефалит и заболевание, связанное с антителами к миелин-олигодендроцитарным гликопротеинам.
Эти состояния часто представляют собой диагностические и терапевтические проблемы из-за совпадения клинических особенностей, несовершенства биомаркеров и необходимости длительного наблюдения.
Исследователи сообщили, что искусственный интеллект оценивался в нескольких клинических задачах, включая автоматизированный анализ нейровизуализации, дифференциальную диагностику, классификацию заболеваний, прогнозирование рецидивов, прогностическую стратификацию и планирование лечения с учетом рисков.
Технология также применяется к лабораторным данным, электронным медицинским записям, наборам молекулярных данных и мультимодальным источникам информации о пациентах.
Доказательства искусственного интеллекта наиболее убедительны в отношении рассеянного склероза
Было обнаружено, что фактические данные неравномерно распределены по заболеваниям. На рассеянный склероз приходится большая часть опубликованных исследований, особенно в области нейровизуализации, таких как сегментация поражений, мониторинг активности заболевания, объемная оценка и прогнозирование инвалидности.
Некоторые инструменты визуализации перешли к многоцентровой и проспективной оценке рабочего процесса.
Напротив, исследования по изучению расстройств спектра зрительного нейромиелита, аутоиммунного энцефалита и заболеваний, связанных с антителами к миелин-олигодендроцитарным гликопротеинам, как правило, были меньше и более гетерогенны.
Хотя несколько исследований продемонстрировали обнадеживающие диагностические и прогностические результаты, многие из них не имели внешнего подтверждения и основывались на ретроспективных данных.
Обзор подчеркнул ограниченное представительство диагностически неопределенных, серонегативных и перекрывающихся популяций в текущих исследованиях.
Исследователи также отметили растущий интерес к передовым приложениям, включая федеративное обучение, цифровые биомаркеры, интеграцию нескольких омик, базовые модели и большие языковые модели.
Однако в настоящее время эти подходы обеспечивают создание гипотез или исследовательские данные, а не доказанную клиническую пользу.
Ключевые проблемы клинического перевода
Несмотря на растущий прогресс, остаются важные пробелы в переводе. Не было выявлено проспективно проверенной модели искусственного интеллекта для сравнительной оценки эффекта лечения или индивидуального выбора лечения для рассмотренных заболеваний.
Большинство доступных моделей сосредоточены на диагностике, мониторинге и прогнозировании риска, а не на принятии терапевтических решений.
В обзоре подчеркивается необходимость в более крупных многоцентровых наборах данных, более строгой внешней проверке, проспективной клинической оценке и оценке реального влияния на принятие клинических решений и результаты лечения пациентов.
По мнению исследователей, краткосрочный прогресс, скорее всего, будет достигнут за счет мультимодальной интеграции данных, стандартизированного анализа изображений и улучшенной стратификации риска, в то время как автономная диагностика и выбор лечения остаются неподтвержденными существующей доказательной базой.
Ссылка
Цао З и др. Искусственный интеллект при аутоиммунных заболеваниях центральной нервной системы: от поддержки принятия клинических решений до механистического открытия и применения. ЭМБО Мол Мед. 2026;DOI:10.1038/s44321-026-00527-0.
