मैग्नेटिक रेजोनेंस-आधारित डीप लर्निंग तकनीकों के माध्यम से मल्टीपल स्केलेरोसिस में दिव्यांगता की प्रगति का मूल्यांकन

मल्टीपल स्केलेरोसिस (MS) के रोगियों में उनके थ्री-डायमेंशनल T1-वेटेड (3DT1) मैग्नेटिक रेजोनेंस इमेजेस (MRI) का उपयोग करके बेसलाइन मूल्यांकन से अल्पकालिक दिव्यांगता की प्रगति का पूर्वानुमान लगाया गया था। MS से पीड़ित 181 प्रतिभागियों का 3T-MRI किया गया और दो केंद्रों पर दो से छह वर्षों तक उनका फॉलो-अप किया गया, जिसमें फॉलो-अप के समय expanded-disability-status-scale (EDSS) में वृद्धि के अनुसार दिव्यांगता की प्रगति को परिभाषित किया गया था। रोगियों की 3DT1 छवियों को बायस-करेक्ट किया गया, मस्तिष्क को अलग (brain-extracted) किया गया, MNI स्पेस पर रजिस्टर्ड किया गया, और कोरोनल, सैजिटल और एक्सियल प्रोजेक्शन के साथ स्लाइस में विभाजित किया गया। स्लाइस पर डीप लर्निंग इमेज क्लासिफिकेशन मॉडल लागू किए गए और पहले एक बड़े स्वतंत्र डेटासेट पर और बाद में अध्ययन के नमूने पर ResNet50 फाइन-ट्यून अनुकूलन के रूप में तैयार किए गए। अंतिम क्लासिफायर्स के प्रदर्शन का मूल्यांकन फॉल्स वर्सेस ट्रू पॉजिटिव आरेख के एरिया अंडर द कर्व (AUC) के माध्यम से किया गया। प्रत्येक मॉडल का परीक्षण उसके नल मॉडल के विरुद्ध भी किया गया, जो ट्रेनिंग सेट में रोगियों के लेबलों को रीशफल करके प्राप्त किया गया था। दिव्यांगता प्रगति भविष्यवाणी मानदंडों को पूरा करने वाले मॉडलों से संबंधित स्लाइस को प्रतिच्छेदित (intersecting) करके ज्ञानवर्धक क्षेत्रों का पता लगाया गया। फॉलो-अप के समय, 34% रोगियों में दिव्यांगता की प्रगति देखी गई। पांच कोरोनल और पांच सैजिटल स्लाइस में एक क्लासिफायर AUC मूल्यांकन और नल टेस्ट में सफल रहा और उसने दिव्यांगता की प्रगति का पूर्वानुमान लगाया (क्रमशः AUC > 0.72 और AUC > 0.81)। इसी तरह, क्लासिफायर्स और एक्सियल स्लाइस के पंद्रह संयोजनों ने रोगियों में दिव्यांगता की प्रगति का पूर्वानुमान लगाया (AUC > 0.69)। ज्ञानवर्धक क्षेत्र मुख्य रूप से ग्रे मैटर के भीतर स्थित फ्रंटल क्षेत्र थे। संक्षेप में, मस्तिष्क के विशिष्ट क्षेत्रों के MRI में छिपी जानकारी का उपयोग करते हुए, 3DT1 छवियां MS रोगियों में दिव्यांगता की प्रगति के संकेत दे सकती हैं।