人工智能首次帮助科学家通过简单的血液检测结合常规脑部影像，识别出两种生物学上截然不同的多发性硬化症（MS）亚型。这项由伦敦大学学院（UCL）及UCL衍生企业女王广场分析公司（Queen Square Analytics，简称QSA）主导的研究，发表于《Brain》期刊。 研究团队分析了634名参与者的数据，结合血液中一种名为血清神经丝轻链（sNfL）的蛋白质水平——该指标可反映神经细胞损伤程度，以及磁共振成像（MRI）显示的病灶扩散情况。通过UCL开发的机器学习模型SuStaIn（亚型与阶段推断），研究人员首次清晰识别出两种具有不同生物学特征的MS亚型。 研究负责人、UCL神经学研究所及UCL霍克斯研究所的Arman Eshaghi博士表示：“多发性硬化症并非单一疾病，现有分类无法准确反映组织层面的病理变化，而这正是精准治疗所必需的。”该方法能更精准预测患者未来出现新脑部病灶的风险，为个性化医疗提供可能。 QSA成立于2020年，由Eshaghi博士与UCL教授Frederik Barkhof、Geoff Parker和Daniel Alexander共同创立，依托UCL商业转化平台UCL Business支持，专注于神经系统临床试验的合同研究，尤其聚焦MS领域。借助大规模数据与AI技术，QSA能发现传统方法难以察觉的疾病亚型模式。 这些基于数据的亚型可与针对性治疗匹配，实现更有效的药物选择。更重要的是，脑部影像和血液标志物的变化往往早于临床症状恶化，因此该方法有望实现早期干预，延缓残疾进展。 全球约有280万人患有MS，多发于年轻成年人，易导致早期严重残疾。目前临床分类主要依据疾病进程，但与实际病因不一致，导致治疗常“对症不对因”。而sNfL等可测量的生物标志物，能真实反映疾病本质，为未来精准医学提供坚实基础。