China Press Agency

全球有数百万人患有这种疾病；然而，治疗通常依据症状来选择，可能并不有效，因为它们并未针对患者潜在的生物学机制。

如今，科学家利用人工智能、简单的血液检测以及MRI扫描，识别出两种新的MS生物学类型。专家表示，这一“令人振奋”的发现或将彻底改变该疾病在全球范围内的治疗方式。

在由伦敦大学学院（UCL）与Queen Square Analytics牵头、600名患者参与的研究中，研究人员检测了血液中一种名为血清神经丝轻链（sNfL）的特定蛋白水平。该蛋白可帮助显示神经细胞损伤程度，并提示疾病活跃程度。

sNfL结果与患者的脑部扫描由一款名为SuStaIn的机器学习模型进行解读。发表在医学期刊《Brain》上的结果揭示了两种不同类型的MS：早期sNfL型与晚期sNfL型。

在第一种亚型中，患者在疾病早期就出现较高的sNfL水平，并在称为胼胝体的脑区出现可见损伤；同时，脑部病灶也迅速形成。科学家表示，这一类型看起来更具侵袭性、也更为活跃。

在第二种亚型中，患者在sNfL水平升高之前，就在边缘系统皮层和深部灰质等区域出现脑萎缩。该类型进展较慢，明显损伤似乎在更晚阶段才出现。

研究人员称，这一突破将使医生更准确地理解哪些患者面临更高的不同并发症风险，并为更个体化的照护打开大门。

研究第一作者、UCL的阿尔曼·埃沙吉博士表示：“MS并非单一疾病，而现有亚型不足以描述我们在治疗中需要了解的潜在组织变化。

“通过结合MRI与人工智能模型，并配合一种高度易获得的血液生物标志物，我们首次能够展示MS的两种清晰生物学模式。这将帮助临床医生判断一个人在疾病进程中所处的位置，以及谁需要更密切的监测或更早的靶向治疗。”

埃沙吉补充说，未来当人工智能工具提示某位患者属于早期sNfL型MS时，该患者可能会更适合采用更高效力的治疗，并接受更密切的随访。

相反，对于晚期sNfL型患者，可能会提供不同类型的治疗，例如用于保护脑细胞或神经元的个体化疗法。“因此，创新将是双向的：一方面借助人工智能算法改造数百年来几乎未变的临床与神经学检查；另一方面依据疾病特征提供个体化治疗。”

MS协会高级研究传播经理凯特琳·阿斯特伯里表示：“这是我们对MS理解上的一项令人振奋的发展。

本研究使用机器学习分析复发型MS和继发进展型MS患者的MRI与生物标志物数据。通过整合这些数据，他们得以识别出两种新的MS生物学亚型。

近年来，我们对疾病的生物学机制有了更深入的认识。然而，目前的定义仍基于个体所经历的临床症状。MS很复杂，而这些分类往往不能准确反映体内发生的情况，这可能使有效治疗变得更困难。”

阿斯特伯里指出，复发型MS患者大约有20种治疗选择，进展型MS也开始出现一些选择，但许多人仍没有可用方案。“我们对疾病了解得越多，找到能够阻止其进展的治疗的可能性就越大。”

“这项研究为不断增长的证据作出贡献，支持从现有MS描述（如‘复发’与‘进展’）转向能够反映疾病潜在生物学机制的术语。这有助于识别进展风险高的人群，并为其提供更个体化的治疗。”