回答进展型多发性硬化症的重大问题

多发性硬化症（MS）是一种极其复杂的疾病，目前尚无已知治愈方法。麦吉尔大学电气与计算机工程系教授、智能机器中心概率视觉组与医学影像实验室主任Tal Arbel博士说：「我们尚未充分理解驱动疾病进展的机制。」Arbel教授同时担任Mila（魁北克人工智能研究所）的加拿高级人工智能讲席教授（CIFAR AI Chair）。这一知识缺口一直是开发新疗法的最大障碍。
这正是人工智能（AI）的用武之地。在Arbel看来，AI（即深度学习）的优势在于能够挖掘海量数据——包括MRI序列以及临床和人口学信息——来构建预测因子。「AI学习的是哪些才是预测特征，而不是依赖一组预先设定的已知标志物。」
Arbel继续说道：「我们近期在该领域的令人振奋的进展，聚焦于基于影像的个体化医疗模型。」其工作方式是这样的：「先从患者首次就诊时获取基线影像。患者到来后，我们掌握其临床信息和人口学资料。我们的人工智能模型利用算法，预测患者在不同治疗选项（包括安慰剂）下的短期结局或疾病进程，并利用这些信息展示患者对特定药物可能的应答。」
Arbel补充说，最重要的是在理解疾病进展背后的生物学机制方面取得突破。「不同的人群亚组（如按年龄、性别、地理位置划分）可能有不同的应答，」她说，「不存在一刀切的答案。」
为此，Arbel的团队还在着手解决AI中可能存在的偏差问题，即所谓「公平性差距」——模型对某些患者亚组表现良好，对另一些亚组却不然。「在MS的语境下，一种偏差是年龄。例如，脑萎缩被认为是未来进展的标志物，但该标志物并非对所有人都有预测力。结果就是，AI模型会偏向通常已有萎缩的老年患者等人群。我们正在开发能够识别并校正这类偏差的模型。我们团队还在开展AI模型可解释性研究，这将有助于为不同患者亚群发现新的标志物，」Arbel说。