De resultaten van een prospectieve multicenter cohortstudie laten zien dat een machine learning model in staat is op basis van 3-T MRI te differentiëren tussen de ziekte van Parkinson, multisysteematrofie en progressieve supranucleaire parese.
Het onderzoek werd uitgevoerd tussen juli 2021 en januari 2024 op 21 locaties van de Parkinson Study Group in de VS en Canada. Er werden patiënten geïncludeerd met de ziekte van Parkinson (PD), multisysteematrofie (MSA) of progressieve supranucleaire parese (PSP) bij wie 3 onafhankelijke, geblindeerde neurologen unaniem overeenstemming over de diagnose hadden bereikt.
In totaal werden 316 patiënten gescreend en voldeden 249 patiënten (gemiddelde leeftijd: 67,8 (SD 7,7) jaar; 155 mannen (62,2%)) aan de inclusiecriteria. Van deze patiënten hadden er 99 PD, 53 MSA en 97 PSP. Ook werd een retrospectief cohort van 396 patiënten (gemiddelde leeftijd: 65,8 (SD 8,9) jaar; 234 mannen (59,1%)) opgenomen. Van deze patiënten hadden er 211 PD, 98 MSA en 87 PSP. Zij werden toegewezen aan de trainingsset (104 prospectief, 396 retrospectief) of de testset, die 145 prospectieve patiënten omvatte.
Het model was robuust in het onderscheiden van PD versus atypisch parkinsonisme (AUROC 0,96; 95%-BI 0,93-0,99; positief voorspellende waarde (PPV) 0,91; negatief voorspellende waarde (NPV) 0,83), MSA versus PSP (AUROC 0,98; 95%-BI 0,96-1,00; PPV 0,98; NPV 0,81), PD versus MSA (AUROC 0,98; 95%-BI 0,96-1,00; PPV 0,97; NPV 0,97) en PD versus PSP (AUROC 0,98; 95%-BI 0,96-1,00; PPV 0,92; NPV 0,98). De voorspellingen van het model werden neuropathologisch bevestigd in 46 van de 49 hersenen (93,9%) die hiervoor beschikbaar werden gesteld.
Bron: