AI na Magonjwa Machache ya Neva & Magonjwa ya Kinga ya Neva ── 2026-10-25

Makala mpya kuhusu magonjwa adimu ya neva na ya kinga-neva na AI, zilizokusanywa kutoka kwa milisho ya majarida, PubMed (iliyotafutwa katika majarida yote) na OpenAlex (faharasa ya umma inayotumika badala ya Google Scholar), zilizohukumiwa na Jev (AI inayotoa hukumu za lugha): utafiti asilia, AI ikiwa kiini, ni kundi lipi kati ya makundi 9 ya magonjwa, matibabu au majaribio, kisha zikapangwa kwa umuhimu hadi kikomo cha kila siku. Majarida hayachujwi kwa kipengele cha athari; kila makala huonyesha kiwango sawa na IF cha jarida lake (wastani wa miaka miwili wa kunukuliwa wa OpenAlex) na tarehe ya thamani hiyo. Kila ingizo huonyesha muhtasari asilia kamili.

Soma kulingana na ugonjwa: Utafiti wa msingi（1） · ALS（0） · Ugonjwa wa Parkinson（0） · Magonjwa ya kurithi ya kuharibika kwa neva（0） · Misuli na neva（0） · Ugonjwa wa sclerosis nyingi（1） · NMOSD/MOGAD（0） · Ugonjwa wa Myasthenia gravis（0） · Encephalitis ya autoimmune/CIDP/GBS（0）

Utafiti wa kuharibika kwa neva na kinga ya neva na AI

• Mfumo wa kujifunza kwa kina wa kuweka lebo kiotomatiki kwenye uti wa mgongo wa shingo na kutoa vipimo vya umbo kutoka MRI ya ubongo, pamoja na uthibitishaji mkubwa wa vituo vingi
  npj Digital Medicine · 2026-10-23 · Ushahidi: Uundaji wa modeli na uhakiki wa nje kwa data iliyopo ya MRI ya vituo vingi (ya uchunguzi)
  Muhtasari

  Utafiti huu ulilenga kutengeneza na kuhakiki mfumo kamili wa kiotomatiki (pipeline) wa kutambua ngazi za uti (C1–C3) katika uti wa mgongo wa sehemu ya juu ya shingo (SC) kwenye MRI ya ubongo ya T1-weighted, pamoja na moduli ya udhibiti wa ubora ya kutathmini barakati zilizotengenezwa. Takwimu za MRI za watu 998 wa kundi la udhibiti na wagonjwa 879 wa ataksia za kurithi (vituo 32; umri miaka 5–85; 46% wanaume) zilitumika kufundisha mifano ya deep learning (nnU-Net, U-Net yenye deep supervision, SwinUNETR) kwa ajili ya kuweka alama za uti otomatiki katika ngazi za C1–C3. Mfano wa pili unaotegemea miundo ya VGG, ResNet, na EfficientNet ulifundishwa kutambua makosa ya kuwekewa alama za uti. Pipeline pia hutoa vipimo vya ubora wa picha ikiwemo uwiano wa ishara-kwa-kelele (signal-to-noise ratio), uwiano wa utofautishaji-kwa-kelele (contrast-to-noise ratio), kipimo cha mabadiliko ya pamoja (coefficient of joint variation), na entropy focus criterion. Uthibitisho wa nje ulifanywa kwa kutumia MRI 2737 kutoka seti nne za data za umma, na manufaa ya kliniki yalioneshwa katika kohoti ya longitudinal ya wagonjwa 51 wenye multiple sclerosis. nnU-Net ilipata utendaji bora zaidi (Dice: C1 = 0.85, C2 = 0.89, C3 = 0.89), ikiwa imeweka alama sahihi kwa 95.8% ya kesi zilizoainishwa vibaya kutoka Spinal Cord Toolbox. Kichanganuzi kinachotegemea VGG kilipata usahihi wa 97.9% na unyeti wa 98.7%. Uthibitisho wa nje ulionyesha usahihi wa kuweka alama unaozidi 92% katika seti nne kati ya tano za data, na unyeti kwa kupungua kwa SC kwa njia ya longitudinal katika multiple sclerosis. Pipeline hii inawezesha kuweka alama za uti kwa njia inayoweza kupanuka na ya kuaminika, pamoja na utoaji wa vipimo vya kimofometri vya SC ya shingo ya juu kwa ajili ya tafiti za vituo vingi, na kuunga mkono maendeleo ya biomarker katika magonjwa ya kufifisha kwa neva.

  Kiwango sawa na IF cha jarida: 13.9 (wastani wa unukuzi wa miaka 2 wa OpenAlex, thamani kufikia 2026-10-18, ilipatikana 2026-10-19; si IF rasmi ya Clarivate)
  Rejeleo: Jarola GM, Shiraishi DH, Adanyeguh IM, Ashizawa T, Barsottini OGP, Bender B, et al. Mfumo wa kujifunza kwa kina kwa kuweka alama kiotomatiki kwa vertebra za uti wa mgongo wa shingo na utoaji wa vipimo vya kimofometriki kutoka kwa MRI ya ubongo kwa uthibitisho wa kiwango kikubwa wa vituo vingi. npj Digit Med. 2026 Oct 23 [Epub ahead of print]. doi:10.1038/s41746-026-03403-w.
  Imekaguliwa: Muhtasari pekee

Tazama makala zote 1 za Utafiti wa Msingi →

ALS: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Ugonjwa wa Parkinson na parkinsonism: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Magonjwa ya kurithi ya kuharibika kwa neva: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Magonjwa ya misuli na neva (udhaifu wa misuli, SMA): matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Sclerosis nyingi: matibabu, majaribio na AI

• Kutabiri Uwezo wa Uwiano na Kufafanua Mikakati ya Udhibiti kutoka kwa Vihisi vya Mwendo vya VR: Mkabala Unaofafanuka wa Alama ya Uwiano Inayotokana na CoP kwa Ugonjwa wa Multiple Sclerosis
  International ACM SIGACCESS Conference on Computers and Accessibility (ASSETS) · 2026-10-23 · Ushahidi: Utafiti wa uchunguzi pamoja na uundaji wa modeli ya machine learning kwa kutumia dataset ya umma (n = 37)
  Muhtasari

  Kuelewa usawa katika virtual reality (VR) ni muhimu si tu kwa kupima kama mtumiaji yuko thabiti au hana uthabiti, bali pia kwa kueleza jinsi uthabiti unavyodumishwa wakati wa mwingiliano wa kuzama (immersive). Hili ni muhimu zaidi kwa watu wenye ugonjwa wa Multiple Sclerosis (MS), kwa sababu viwango vinavyofanana vya usawa wa jumla vinaweza kuambatana na mifumo tofauti ya mwendo kati ya watu binafsi. Njia zilizopo zinazotegemea VR kwa kawaida huzingatia ishara ghafi za kutetemeka (sway), ulinganisho wa uhalali wa wakati mmoja (concurrent validity), au uainishaji maalum wa kazi, na mara nyingi hukosa kukamata usawa kama kipimo kimoja kinachoendelea au kueleza mifumo ya mwendo inayounga mkono udumishaji wa uthabiti. Kwa kutumia hifadhidata ya multimodal inayopatikana hadharani yenye rekodi za head-mounted display (HMD), controller, kituo cha shinikizo (CoP), na ukamataji wa mwendo kutoka kwa washiriki 37 (15 wenye MS, 22 wasio na MS), tunawasilisha mfumo wa hatua tatu wa kutabiri na kufasiri uwezo wa usawa kutoka kwa vitambulishi vya mwendo vya HMD na controller. Kwanza, tunaendeleza alama ya usawa inayoendelea inayotokana na CoP kutoka katika vipengele vya kawaida vya CoP, tukiwakilisha usawa kama kipimo kimoja kinachoweza kuwasilishwa, na tunachunguza uthabiti wake kati ya washiriki wenye MS na wasio na MS. Pili, tunatabiri alama hii kutoka kwa vitambulishi vya HMD na controller kwa kutumia ujifunzaji wa mashine. Tatu, tunachambua mwendo wa VR kutambua mifumo ya uchunguzi zaidi ya ukali wa alama ya usawa wa jumla na kupima kama idadi yao katika kiwango cha mshiriki inatofautiana kati ya makundi ya wenye MS na wasio na MS. Alama ya usawa ilionyesha uaminifu wa wastani kati ya majaribio na mifumo inayofanana ya uhusiano wa kipengele-kwa-alama katika makundi ya wenye MS na wasio na MS. Utabiri ulipimwa katika viwango viwili: kiwango cha dirisha, kinachotumia vipande vyepesi vya data za vitambulishi vya mwendo wa VR kutoka kwa HMD na controllers, na kiwango cha mshiriki, kinachojumlisha vipande vyote vya mshiriki mmoja kuwa utabiri mmoja wa kiwango cha mshiriki. CatBoost ilionyesha utendaji bora zaidi wa jumla wa kutabiri. Katika kiwango cha dirisha, ilifanikiwa R2 = 0.388, MAE = 0.597, na RMSE = 0.782. Katika kiwango cha mshiriki, ilifanikiwa R2 = 0.715, Pearson, r = 0.867, na Spearman, ρ = 0.838. Alama ya usawa pia ililingana na kasi ya wastani ya kituo cha uzito (CoM) iliyotokana na ukamataji wa mwendo, ikitoa msingi wa ziada wa kibaomehania ndani ya hifadhidata iliyopatikana. Uchambuzi wa mifumo ya mwendo ulitambua mifumo miwili tofauti ya uchunguzi: mfumo wa utawala mdogo wa kichwa (Lower head-dominance), unaofafanuliwa na mchango mkubwa zaidi wa mkono kwa kulinganisha, na mfumo wa utawala wa kichwa (Head-dominant), unaofafanuliwa na mchango mkubwa zaidi wa kichwa kwa kulinganisha. Ingawa mfumo wa utawala wa kichwa ulitokea mara nyingi zaidi katika kiwango cha dirisha cha kielelezo miongoni mwa washiriki wenye MS, ulinganisho wa kiwango cha mshiriki haukutoa ushahidi wenye maana ya kitakwimu wa tofauti kati ya makundi. Matokeo haya yanaonyesha kuwa mwendo wa headset ya VR na controller pekee unaweza kuunga mkono utabiri wa kiwango cha mshiriki wa uwezo wa usawa, huku ukitoa pia mtazamo wa uchunguzi kuhusu mpangilio wa jamaa wa mwendo wa kichwa na mkono wakati wa mwingiliano wa kuzama.

  IF ya jarida: haijulikani (haikuweza kulinganishwa)
  Rejeleo: Pavel MI, Anjum N, Cordova A, Quarles J, Mahmud MR. Kutabiri Uwezo wa Uwiano na Kueleza Mikakati ya Udhibiti kutoka kwa Vihisi vya Mwendo vya VR: Mbinu ya Alama ya Uwiano Inayotokana na CoP Inayoelezeka kwa Multiple Sclerosis. Makala za Mkutano wa Kimataifa wa 28 wa ACM SIGACCESS kuhusu Kompyuta na Ufikiaji, wa 2026. 2026 Okt 24 [Epub kabla ya kuchapishwa]. doi:10.1145/3797867.3828977.
  Imekaguliwa: Muhtasari pekee

Tazama makala zote 1 za Multiple sclerosis →

NMOSD na MOGAD: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Myasthenia gravis: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Encephalitis ya autoimmune, CIDP na ugonjwa wa Guillain-Barre: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.