基于时空条件扩散模型的未来多发性硬化病变掩模预测模型及其治疗条件下的应用.pdfVIP

基于时空条件扩散模型的未来多发性硬化病变掩模预

测模型及其治疗条件下的应用

GianMarioFavero,GeYaLuo,NimaFathi,JustinSzeto,

DouglasL.Arnold,BrennanNichyporuk,ChrisPal,andTalArbel

McGillUniversity

Mila–QuebecAIInstitute

本摘要基于图像的个性化医疗有可能变革医疗服务，特别是对于那些表现

译出异质性进展的疾病，如多发性硬化症（MS）。在这项工作中，我们介绍

了第一个治疗感知的空间-时间扩散模型，该模型能够生成未来掩码，展

中示MS中的病灶演变。我们的体素空间方法整合了多模态患者数据，包括

1MRI和治疗信息，以预测未来某个时间点的新出现或扩大的T2（NET2）

v病变掩码。在来自复发缓解型MS随机临床试验的多中心数据集上的广泛

6

0实验中，该数据集包含2131名患者的3DMRI图像，证明我们的生成模

0型能够准确地为接受六种不同治疗的患者预测NET2病变掩码。此外，我

7们通过下游任务如未来病灶计数和位置估计、二元病灶活动分类以及为几

0

.种疗效不同的治疗方法生成反事实未来的NET2掩码来展示该模型具有潜

8

0在的实际临床应用价值。这项工作突显了因果关系、基于图像的生成模型

5作为推进MS数据驱动预后研究的强大工具的潜力。

2

:

vKeywords:扩散，多发性硬化症，时空

i

x

r

a

1介绍

基于图像的个性化医疗中的深度学习模型，能够预测未来个别患者的预

后情况，从而在疾病不可逆累积之前实现更早和更有信息量的治疗干预。这

种潜力对于诸如多发性硬化症（MS）和某些癌症等疾病尤为重要，这些疾

病的特征是进展不一且治疗效果各异。最近的研究表明，利用基线MRI成

功预测了MS患者的预后[5,4]。然而，除了预测数值结果外，一个关键的问

题仍然存在：如果我们还能预测描绘未来病理结构变化（例如新的和扩大的

病灶或肿瘤转移）的个性化未来图像，将会怎样？这样的视觉预测不仅会通

Correspondingauthor:gian.favero@mail.mcgill.ca

2G.Faveroetal.

过增强解释性来提高预测的信任度，还会为个体层面上的各种治疗效果提供

更深入的见解，从而改善临床决策支持。

在MS的背景下，T2加权MRI上可见的高信号区域作为病灶，是监测

疾病活动的关键标志。新的和扩大的