Itu ada di sana.
Itu selalu ada di sana.
Pemindaian MRI standar melewatkannya.
Para dokter sudah melihat melewatinya.
Selama beberapa dekade, penelitian multiple sclerosis menghasilkan separuh gambarannya. Kerusakan materi putih terlihat jelas. Anda bisa melihatnya. Anda bisa menghitungnya. Namun pembuat onar sebenarnya—jenis lesi yang terkait langsung dengan kecacatan dan penurunan kognitif yang lambat—berada di materi abu-abu. Secara khusus, korteks.
Tidak terlihat dengan mata telanjang pada pemindaian rutin.
Hal ini membuat para dokter buta. Tentu saja tidak secara harfiah. Tapi secara klinis? Ya, buta.
Obat MS saat ini sebagian besar menargetkan materi putih. Hal ini membuat lesi kortikal tidak terkendali. Dan hal ini penting karena luka tersembunyi itulah yang mendorong penyakit ini semakin parah. Kami mengetahui keberadaannya berkat penelitian jaringan post-mortem, namun kami tidak dapat menemukannya pada pasien yang masih hidup.
Kini, kecerdasan buatan memperbaiki kesenjangan tersebut.
Perbedaan AI
Sebuah tim yang dipimpin oleh Universitas di Buffalo melatih suatu algoritma untuk melihat lebih dalam. Jauh lebih dalam.
Diterbitkan di Communications Medicine, penelitian ini merinci bagaimana metode komputasi membandingkan data di beberapa gambar. Satu gambar tidak menunjukkan banyak hal. Gabungkan tiga atau empat? AI menemukan polanya. Ini menarik sinyal penyakit keluar dari kebisingan yang tidak sepenuhnya dilewatkan oleh tontonan konvensional.
“Mendeteksi lesi kortikal yang sebelumnya tidak terlihat… mempunyai implikasi besar,” kata penulis senior Robert Zivadinov.
Dia tidak hanya berbicara tentang teknologi keren. Dia berbicara tentang melihat, untuk pertama kalinya, pendorong sebenarnya dari perkembangan MS dalam pemindaian lama standar.
Michael G. Dwyer mengetahui rasa frustrasinya. Penulis pertama makalah ini dan seorang ahli saraf sendiri.
“Kami semua sangat frustrasi,” kata Dwyer.
Frustrasi karena ahli histopatologi telah membuktikan selama beberapa dekade bahwa lesi ini merusak jaringan otak. Kami tidak bisa membuktikannya pada MRI pasien yang masih hidup. Sampai sekarang.
“Ada banyak hal yang terus terjadi… Anda tidak akan melihatnya dengan MRI konvensional, namun para ahli histopatologi telah menunjukkan dengan jelas… selama beberapa dekade.”
AI tidak menciptakan data. Ini mensintesis apa yang hilang. Ini melihat perbedaan kecil antara gambar kontras yang diabaikan oleh mata manusia—atau bahkan filter perangkat lunak standar.
11.000 Lesi yang Terlewatkan
Kasus ujinya kuat.
ORATORIO.
Uji klinis fase III besar-besaran untuk obat MS Ocrevizumab.
700+ peserta.
MRI standar.
Para peneliti menerapkan metode peningkatan lesi kortikal multimodal baru, yang disebut MMCLE.
Hasilnya?
Pemindaian standar menunjukkan masalah materi putih.
Pemrosesan yang dipandu AI mengungkap lapisan kehancuran yang tersembunyi.
Sekitar 15 hingga 20 lesi baru per pasien.
Di seluruh kumpulan data? Lebih dari 11.000 lesi tersembunyi sebelumnya terdeteksi.
Apakah ahli radiologi sengaja melewatkannya?
Tidak.
Mereka benar-benar tidak terlihat tanpa bantuan komputasi.
Dwyer menunjukkan kekuatan AI generatif di sini. Ini mendeteksi jaringan yang berperilaku “salah” dengan membandingkannya pada lapisan kontras yang berbeda. Jaringan sehat bertindak satu arah. Korteks yang rusak mempunyai efek yang lain. AI menemukan ketidakcocokan.
Hal ini penting karena data ORATORIO bersifat historis. Itu sudah dikumpulkan. Itu sudah “selesai”.
Namun Zivadinov menyarankan agar penelitian ini mengubah cara kita meninjau semua data tersebut.
Hal ini juga mengubah cara kami merancang uji coba di masa depan.
Genentech membantu mendukung pekerjaan tersebut. Tidak mengherankan. Mereka membuat obat tersebut diuji.
Kolaborasi ini menggabungkan ketelitian akademis dengan kekuatan industri.
Jadi kami akhirnya memiliki peta lengkapnya.
Atau benarkah kita?
Titik butanya hilang.
Tapi apa yang akan dilakukan dokter dengan semua kerusakan baru yang tiba-tiba mereka lihat?
Akankah pengobatan beralih ke target korteks?
Apakah definisi “penyakit stabil” akan berubah?
Pemindaiannya ada di sana.
Kami akhirnya belajar cara melihat.
