據外媒報導，科學家可能已經確定了三種新的多發性硬化症（MS）亞型。一個團隊在多發性硬化症患者大腦的MRI掃描的大型數據集上訓練了人工智能算法，並發現了關於大腦哪些區域首先受到疾病影響的模式。這可能會導致不同類型的治療方案更加集中，也可能是新的治療方案。

多發性硬化症是一種最常見的一種中樞神經脫髓鞘疾病，免疫系統會錯誤地攻擊髓鞘，髓鞘是包裹在神經細胞軸突外面的一層膜。髓鞘的作用就像電線上的絕緣層，所以當它被損壞時，神經系統的信號可能難以通過。這表現為肌肉無力、痙攣、麻木、平衡或協調問題等症狀。

目前多發性硬化症被分為四種類型，根據疾病的活動性和進展性，大致分為四種類型，臨床孤立綜合徵(CIS)是最初的症狀發作，可能是一次性事件，也可能發展為MS；復發緩解型MS(RRMS)是一個持續的階段，患者會經歷症狀和緩解的交替期；原發性進展型MS(PPMS)是症狀逐漸加重，中間沒有緩解；繼發性進展型MS (SPMS)發生在RRMS患者後期，緩解停止，開始持續下降。

這種分類的問題在於，這四種類型更多的是關於疾病的不同階段，而不是不同的變種。在找出哪些治療方案可能對每個患者最有效方面，它們並不是那麼有用，因為患者在一生中可能會經歷其中的幾種“類型”。

因此，對於新的研究，研究人員調查是否有其他的亞型，可能會影響病人最有可能走下去的路徑。如果能更早地診斷出這些，就可以進行更專業的治療，給每個病人最好的機會。

該團隊設置了一個名為“子類型和階段推斷”(SuStaIn)的人工智能工具，對6322名MS患者的MRI腦部掃描進行工作。在這樣做的過程中，它發現了三種新的MS亞型，科學家們後來將其命名為”皮層主導型”、”正常外觀的白質主導型”和”病變主導型”。這些名字是根據哪里和哪種類型的異常最早出現的。

“目前多發性硬化症大致分為進展組和復發組，這是基於患者的症狀，它並不直接依賴於疾病的基礎生物學，因此不能幫助醫生為合適的患者選擇合適的治療方法，”該研究的主要作者Arman Eshaghi博士說。“在這裡，我們使用了人工智能，並提出了一個問題：人工智能能否在大腦圖像上找到遵循某種模式的MS亞型？我們的人工智能發現了三種數據驅動的MS亞型，這些亞型是由大腦圖像上看到的病理異常​​定義的。”

接下來，研究人員鎖定了人工智能，並設置它在另外3068名患者的MRI掃描中工作，以驗證其識別三種新亞型的能力。從數據中，該團隊能夠為每個亞型分配不同的屬性。例如，在數據集中，病變主導型是最不常見的亞型，但卻具有快速進展的殘疾風險最高。

掌握了這些信息後，醫療專業人員最終可以更好地診斷患者，並開出他們更有可能響應的治療方法。

“我們對患者記錄做了進一步的回顧性分析，以了解新識別的MS亞型的人如何應對各種治療方法，”Eshaghi說。“雖然還需要進一步的臨床研究，但按亞型來看，患者對不同治療的反應以及隨著時間的推移，殘疾的累積有明顯的差異。這是預測個體對療法反應的重要一步。”

該研究發表在《自然通訊》雜誌上。