Кодзи Фукусима, Наоко Такамацу, Юки Ямамото,
Хироки Ямадзаки, Такеши Ёсида, Юсуке Осаки, Шотаро Хадзи, Кодзи Фудзита, Кадзума Суги, Юишин Идзуми
Хотя ультразвуковое исследование (УЗИ) мышц входит в число методов, помогающих в диагностике бокового амиотрофического склероза (БАС), роль данного метода в ранней диагностике БАС остаётся неясной. Авторы исследования попытались с помощью машинного обучения создать и валидировать диагностические модели, которые могли бы быть полезны в диагностике ранних стадий БАС.
Билатеральные ультразвуковые данные о фасцикуляциях с 15 мышц были получены у 100 пациентов с БАС (включая 50 пациентов с ранними стадиями БАС, у которых прошло не более 9 месяцев с момента постановки диагноза) и 100 участников без БАС. Каждую мышцу исследовали в течение 10 секунд.
К обучающей выборке, состоящей из пациентов с ранними стадиями БАС, были применены иерархическая кластеризация и номинальная логистическая регрессия, нейронная сеть или композиционное обучение, чтобы разработать диагностические модели, основанные на УЗИ мышц. Эти диагностические модели были протестированы на валидационной выборке, состоящей из пациентов с поздними стадиями БАС.
Согласно результатам исследования, фасцикуляции, обнаруженные на УЗИ мышц, соответствующих уровням ствола головного мозга и грудного отдела спинного мозга (согласно пересмотренным критериям диагностики БАС El Escorial) имели высокую специфичность и низкую чувствительность и прогностическую ценность для диагностики БАС. Модель, основанная на машинном обучении, включающая в себя 8 мышц в 4 участках тела, показала высокие чувствительность, специфичность и прогностическую ценность положительного результата в диагностике как ранних, так и поздних стадий БАС.