AI اور اعصابی نایاب و نیورو امیون بیماریاں ── 2026-10-16
اعصابی نایاب اور اعصابی مدافعتی بیماریوں اور AI سے متعلق نئے مقالے، جو جریدوں کے فیڈز، PubMed (تمام جریدوں میں تلاش کے ذریعے) اور OpenAlex (Google Scholar کی جگہ استعمال ہونے والا عوامی اشاریہ) سے جمع کیے گئے، اور Jev (زبان سے متعلق فیصلے کرنے والا ایک AI) نے جانچے: اصل تحقیق، AI مرکزی حیثیت میں، 9 بیماری گروپوں میں سے کون سا، علاج یا ٹرائلز، اور پھر روزانہ حد تک اہمیت کے لحاظ سے درجہ بند۔ جریدوں کو امپیکٹ فیکٹر کی بنیاد پر نہیں چھانٹا جاتا؛ ہر مقالہ اپنے جریدے کے IF کے مساوی (OpenAlex کی دو سالہ اوسط حوالہ جاتی شرح) اور اس قدر کی تاریخ دکھاتا ہے۔ ہر اندراج مکمل اصل خلاصہ دکھاتا ہے۔
بیماری کے مطابق پڑھیں: بنیادی تحقیق（0） · اے ایل ایس（0） · پارکنسنز（2） · موروثی اعصابی تنزلی（0） · اعصابی و عضلاتی（0） · ملٹیپل اسکلیروسیس（2） · NMOSD/MOGAD（0） · مائیستھینیا گریوس（1） · آٹو امیون اینسیفلائٹس/CIDP/GBS（0）
نیوروڈیجنریشن اور نیورو امیونولوجی پر تحقیق اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
ALS: علاج، تجربات اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
پارکنسن کی بیماری اور پارکنسونزم: علاج، ٹرائلز اور AI
- خلاصہ
پس منظر: ملٹیپل سسٹم ایٹروفی (MSA) کو اکثر پارکنسن کی بیماری (PD) یا پروگریسو سپرانیوکلیئر پالسی (PSP) سمجھ لیا جاتا ہے، جس سے تشخیصی مشکلات پیدا ہوتی ہیں۔
مقصد: مطالعے کا مقصد MSA کو دیگر اعصابی انحطاطی امراض سے الگ کرنے میں مشین لرننگ (ML) کی افادیت کا منظم طریقے سے جائزہ لینا تھا۔
طریقے: ہم نے PubMed، Embase، Cochrane Library اور Web of Science میں (5 جولائی 2025 تک) منظم تلاش کی، جس میں ML پر مبنی MSA تشخیصی مطالعات شامل تھے۔ QUADAS‐2 نے تعصب کے خطرے کا جائزہ لیا، اور bivariate mixed‐effects ماڈل نے تشخیصی پیمانوں کو یکجا کیا۔
نتائج: منظم جائزے میں کل 51 مطالعات شامل کیے گئے (جن میں MSA کے 3595 مریض اور کل 18,189 کیسز شامل تھے)۔ ان میں سے 38 مطالعات نے مقداری ترکیب میں حصہ لیا، جبکہ باقی 13 مطالعات کا خلاصہ کیفیتی طور پر کیا گیا۔ MSA کا PD سے موازنہ کرنے والے بنیادی تجزیے میں، مجموعی حساسیت 0.86 (95% اعتماد کا وقفہ [CI]: 0.81–0.90)، مخصوصیت 0.87 (95% CI: 0.83–0.90)، اور خلاصہ ریسیور آپریٹنگ کریکٹرسٹک (SROC) منحنی کے نیچے کا رقبہ (AUC) 0.93 (95% CI: 0.90–0.95) تھا۔ مجموعی طور پر، مجموعی حساسیت 0.85 (95% CI: 0.82–0.88)، مخصوصیت 0.92 (95% CI: 0.89–0.94)، اور AUC 0.94 (95% CI: 0.92–0.96) رہی۔ پازیٹرون ایمیشن ٹوموگرافی (PET) پر مبنی ماڈلز نے بہترین کارکردگی حاصل کی (حساسیت: 0.90، مخصوصیت: 0.96، AUC: 0.97)، جبکہ ڈیپ لرننگ ماڈلز نے دوسروں سے بہتر کارکردگی دکھائی (حساسیت: 0.93، مخصوصیت: 0.98، AUC: 0.99)۔
نتیجہ: PET/مقناطیسی گونج امیجنگ (MRI) ڈیٹا کو یکجا کرنے والے ML ماڈلز MSA کے لیے اعلیٰ تشخیصی درستگی ظاہر کرتے ہیں۔ مستقبل کے کام میں کلینیکل نفاذ کو آسان بنانے کے لیے مستقبل بیں کثیر مراکزی توثیق اور معیاری بیرونی جانچ کو ترجیح دی جانی چاہیے۔
جریدے کا IF مساوی: 2.0 (OpenAlex کی 2 سالہ اوسط حوالہ جاتی شرح، قدر بتاریخ 2026-10-15، حاصل کردہ بتاریخ 2026-10-16؛ Clarivate کا سرکاری IF نہیں)حوالہ: Wang G, Nie C, Liu M. ملٹی پل سسٹم اٹروفی کی تفریقی تشخیص میں مشین لرننگ کی درستگی: ایک منظم جائزہ اور میٹا تجزیہ۔ Movement Disord Clin Pract. 2026 Oct 14 [اشاعت سے قبل برقی ایڈیشن]. doi:10.1002/mdc3.70857.جانچا گیا: صرف خلاصہ - خلاصہ
پس منظر: پارکنسنز کی بیماری (PD) اور پروگریسیو سپرانیوکلیئر پالسی (PSP) اعصابی تنزلی کے امراض ہیں جن کی بنیادی طبی علامت پارکنسونزم ہے۔ ابتدائی مراحل میں روایتی مقناطیسی گمک امیجنگ (MRI) کے ذریعے PD اور PSP کی اکثر غلط تشخیص ہو جاتی ہے۔ اس لیے اس مطالعے کا مقصد PD اور PSP میں فرق کرنے کے لیے MRI پر مبنی مشین لرننگ (ML) ماڈلز کی درستگی کا جائزہ لینا ہے۔
طریقے: یہ ایک سابقہ مطالعہ ہے جس میں کل 96 افراد شامل تھے (32 PD، 32 PSP اور 32 صحت مند کنٹرول)۔ بیسل نیوکلیائی کے حصوں، جیسے substantia nigra (SN)، caudate nucleus (CN)، putamen، globus pallidus (GP)، red nucleus (RN) اور subthalamic nucleus (STN) کو T2 weighted fluid attenuation inversion recovery (T2W-FLAIR) تصاویر میں دستی طور پر تقسیم کیا گیا اور ریڈیومکس خصوصیات (RF) نکالی گئیں۔ ML ماڈلز کی تربیت اور جانچ کے لیے سرفہرست 20 RF استعمال کی گئیں۔ PD، PSP اور HC میں فرق کرنے کے لیے ML ماڈلز کے کارکردگی کے پیمانوں کا جائزہ لیا گیا۔
نتائج: PD کو PSP سے الگ کرنے کے لیے، SN نے مسلسل بلند ترین کارکردگی دکھائی اور تمام آزمائے گئے ML ماڈلز میں accuracy، F1score اور AUC کی قدریں 0.95–1.00 حاصل کیں۔ RN اور STN نے بھی کئی ML ماڈلز کے ساتھ تقریباً کامل درجہ بندی دکھائی، جن میں accuracy اور AUC کی قدریں 1.00 تھیں۔ CN، putamen اور GP نے درمیانی کارکردگی دکھائی (accuracy 38% - 85%)۔ درجہ بند کرنے والوں میں، AdaBoost نے مضبوط کارکردگی فراہم کی اور ٹیسٹ ڈیٹا سیٹس میں AUC 0.89 تک اور MCC 0.72 تک حاصل کیا۔
نتیجہ: SN، STN اور RN سے حاصل کردہ MRI پر مبنی ریڈیومکس ماڈلز PD اور PSP کی سب سے درست درجہ بندی فراہم کرتے ہیں۔ یہ PD اور PSP کی تشخیص میں بھی مدد کر سکتا ہے جو بیماری کے ابتدائی مراحل میں ایک دوسرے سے الگ نہیں کیے جا سکتے۔
جریدے کا IF مساوی: 1.2 (OpenAlex کی 2 سالہ اوسط حوالہ جاتی شرح، قدر بتاریخ 2026-10-15، حاصل کردہ بتاریخ 2026-10-16؛ Clarivate کا سرکاری IF نہیں)حوالہ: Khruomo VV, - P, Kadavigere R, Nayak K, Sampathila N, Pendem S, et al. MRI-based machine learning models for differentiating Parkinson’s disease and Progressive Supranuclear Palsy. F1000Res. 2026 Oct 13;15:1709. doi:10.12688/f1000research.190609.1.جانچا گیا: صرف خلاصہ
پارکنسنز کے تمام 2 مقالے دیکھیں →
موروثی اعصابی تنزلی کی بیماریاں: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
اعصابی و عضلاتی بیماریاں (مسکیولر ڈسٹروفی، SMA): علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
ملٹیپل سکلیروسس: علاج، کلینیکل ٹرائلز اور AI
- خلاصہ
پس منظر: حقیقی دنیا کے شواہد کو بہتر بنانے کے لیے مصنوعی ڈیٹا بنانے میں جنریٹو مصنوعی ذہانت کا استعمال ایک ابھرتی ہوئی حکمت عملی ہے۔
مقصد: اطالوی ملٹیپل سکلیروسس اور متعلقہ عوارض کے رجسٹر میں جمع کیے گئے ڈیٹا کی نقل تیار کرنے میں مصنوعی ذہانت سے تیار کردہ مصنوعی ڈیٹا کی افادیت کا جائزہ لینا، تاکہ ابتدائی شدید علاج اور ایسکلیشن علاج کی حکمتِ عملیوں کے تحت ری لیپس سرگرمی سے آزاد پیش رفت کے خطرے کا جائزہ لیا جا سکے۔
طریقے: مصنوعی ذہانت کے تخلیقی ماڈلز کو اطالوی ملٹیپل سکلیروسس اینڈ ریلیٹڈ ڈس آرڈرز رجسٹر کے 1666 مریضوں کے ایک ذیلی گروپ پر تربیت دی گئی تاکہ 4878 مریضوں پر مشتمل ایک مصنوعی ڈیٹا سیٹ تیار کیا جا سکے۔ Synthetic vAlidation FramEwork، Clinical Synthetic Fidelity اور Nearest Neighbor Distance Ratio کا اطلاق کیا گیا۔ علاج کی حکمت عملیوں کا موازنہ حقیقی اور مصنوعی دونوں ڈیٹا کے ذریعے کیا گیا، جس میں ریلیپس کی سرگرمی سے آزاد پیش رفت کے خطرے پر توجہ مرکوز کی گئی۔
نتائج: مصنوعی ڈیٹا نے درستگی اور رازداری کے تحفظ کا مظاہرہ کیا۔ ایسکلیشن علاج بمقابلہ ابتدائی شدید علاج کے لیے علاج کے اثر کے تخمینے حقیقی اور مصنوعی ڈیٹا سیٹس میں یکساں تھے۔ Cox proportional hazards ماڈلز نے ظاہر کیا کہ مصنوعی ڈیٹا نے ریلیپس کی سرگرمی سے آزاد پہلی بیماری کی پیش رفت کے واقعے کے خطرے کے تخمینوں کی مضبوطی کو برقرار رکھا۔ ریڈیولاجیکل خطرے کے عوامل کے ساتھ تعلقات حقیقی اور مصنوعی ڈیٹا سیٹس میں بڑی حد تک یکساں تھے۔
نتیجہ: مصنوعی ذہانت سے تیار کردہ مصنوعی ڈیٹا نے اطالوی ملٹیپل سکلیروسس اینڈ ریلیٹڈ ڈس آرڈرز رجسٹر کے ڈیٹا کے علاج کے اثرات کے نتائج کو قابلِ اعتماد طور پر دہرایا، جو طبی طور پر متعین تحقیقی ماحول میں ان کے ممکنہ استعمال کی تائید کرتا ہے۔
جریدے کا IF مساوی: 3.5 (OpenAlex کی 2 سالہ اوسط حوالہ جاتی شرح، قدر بتاریخ 2026-10-15، حاصل کردہ بتاریخ 2026-10-16؛ Clarivate کا سرکاری IF نہیں)حوالہ: Iaffaldano P, D’Amico S, Lucisano G, Copetti M, Guerra T, Rocca MA, et al. ملٹیپل سکلیروسس کی تحقیق میں مصنوعی ڈیٹا کی تیاری کے لیے جنریٹو مصنوعی ذہانت کی تکنیکوں کی توثیق: اطالوی ملٹیپل سکلیروسس رجسٹری کے حقیقی دنیا کے شواہد سے موازنہ۔ Mult Scler. 2026 Oct 14 [Epub ahead of print]. doi:10.1177/13524585261492525.جانچا گیا: صرف خلاصہ - خلاصہ
خودکار گھاووں کی سیگمنٹیشن ملٹیپل سکلیروسس کی تیز اور قابلِ تکرار مقداری تشخیص اور طویل مدتی نگرانی میں معاون ثابت ہو سکتی ہے۔ انتہائی ہائی فیلڈ 7T MRI مقامی ریزولوشن اور گھاووں کی نمایاں نظر آنے کی صلاحیت میں اضافہ کرتا ہے، لیکن خودکار تجزیے کے لیے چیلنجز بھی پیدا کرتا ہے، جن میں فیلڈ کی غیر یکساانیت، حساسیت سے متعلق آرٹیفیکٹس، اور مکانی طور پر بدلتا ہوا امیج کنٹراسٹ شامل ہیں۔ اگرچہ ڈیپ لرننگ کے طریقے روایتی فیلڈ شدتوں پر اچھی کارکردگی دکھاتے ہیں، لیکن 7T MRI پر ان کا اطلاق ابھی کم تحقیق شدہ ہے۔ ہم نے nnUNet کا جائزہ صرف FLAIR، صرف MP2RAGE، اور مشترکہ MP2RAGE+FLAIR کے ساتھ لیا۔ ڈیٹا سیٹ میں ایم ایس کے 57 مریضوں کے 115 طولی 7T MRI اسکینز شامل تھے، جن میں سے 11 آزاد مریضوں کے 20 اسکینز ٹیسٹنگ کے لیے مختص کیے گئے۔ DeepMedic کو موازنے کے لیے ایک آرکیٹیکچر کے طور پر شامل کیا گیا۔ ٹیسٹ سیٹ پر nnUNet نے مشترکہ، صرف MP2RAGE، اور صرف FLAIR ان پٹ کے لیے بالترتیب 0.72، 0.71، اور 0.66 کی اوسط DSC قدریں حاصل کیں۔ nnUNet اور DeepMedic کے درمیان DSC میں کوئی نمایاں فرق نہیں دیکھا گیا۔ دونوں آرکیٹیکچرز کے لیے، MP2RAGE میں FLAIR شامل کرنے سے موجودہ ٹیسٹ کوہورٹ میں شماریاتی طور پر کوئی نمایاں اضافی فائدہ ظاہر نہیں ہوا، جبکہ MP2RAGE پر مشتمل ان پٹس نے صرف FLAIR ان پٹ کے مقابلے میں نمایاں طور پر بہتر کارکردگی دکھائی۔ موجودہ مطالعے کے نتائج ابتدائی شواہد فراہم کرتے ہیں جو بتاتے ہیں کہ مشاہدہ کی گئی وکسل سطح کی سیگمنٹیشن کارکردگی بنیادی طور پر MP2RAGE کے شامل ہونے سے وابستہ تھی۔ تاہم، گھاووں کی سطح پر کارکردگی گھاؤ کے سائز پر منحصر تھی، جو چھوٹے گھاووں کی شناخت پر کنٹراسٹ سے مخصوص اثرات کی مزید تحقیق کی ضرورت کی نشاندہی کرتا ہے۔
جریدے کا IF مساوی: 4.3 (OpenAlex کی 2 سالہ اوسط حوالہ جاتی شرح، قدر بتاریخ 2026-10-15، حاصل کردہ بتاریخ 2026-10-16؛ Clarivate کا سرکاری IF نہیں)حوالہ: Petrova A, Petrovic I, Berger M, Kravutske Y, Leinkauf J, Rumbak R, et al. Deep Learning-Based Multiple Sclerosis Lesion Segmentation at 7 Tesla: Comparison of Single- and Multi-Contrast MRI Inputs. J Imaging. 2026 Oct 14;12(10):510. doi:10.3390/jimaging12100510.جانچا گیا: صرف خلاصہ
ملٹیپل اسکلروسس کے تمام 2 مقالے دیکھیں →
NMOSD اور MOGAD: علاج، کلینیکل ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
مایستھینیا گریویس: علاج، کلینیکل ٹرائلز اور AI
- خلاصہ
پس منظر: تھائمومہ سے وابستہ مایستھینیا گریویس میں آپریشن کے دوران خطرے کی درجہ بندی اب بھی مشکل ہے، اور آپریشن سے پہلے کمپیوٹڈ ٹوموگرافی (CT) ریڈیومکس کے لیے بہترین مکانی دائرہ کار غیر یقینی ہے۔ ہم نے ہسپتال میں آپریشن کے دوران مرکب نتیجے کی تفریق کے لیے پانچ سہ جہتی ٹیومر اور ٹیومر کے اطراف کی ریڈیومک نمائندگیوں کا موازنہ کیا۔
طریقے: اس سابقہ، یک مرکزی مطالعے میں 145 مریض (37 واقعات) شامل تھے۔ ٹیومر کے اندر، طبعی فاصلے پر ٹیومر کے گرد (1، 3 اور 5 ملی میٹر)، اور مربوط ٹیومر جمع 3 ملی میٹر (VOIFusion3mm) کی نمائندگیوں کا موازنہ کیا گیا۔ ریڈیومک ماڈلز میں radial-basis-function support vector machines استعمال کی گئیں، جن میں پانچ گنا nested cross-validation کو 10 بار دہرایا گیا۔ پہلے سے طے شدہ جوڑی دار موازنوں میں false-discovery-rate اصلاح کے ساتھ 2,000 patient-cluster bootstrap resamples استعمال کیے گئے۔ خصوصیات کے اخراج، بغیر LASSO، حد بندی میں خلل، اور طبی اضافے کے تجزیے بھی کیے گئے۔
نتائج: مربوط ٹیومر پلس 3 ملی میٹر نمائندگی میں اوسط ریپیٹ لیول آؤٹ آف فولڈ ایریا انڈر دی ریسیور آپریٹنگ کریکٹرسٹک کرو (AUC) سب سے زیادہ تھا (0.628؛ 95% اعتماد کا وقفہ (CI)، 0.544–0.714)، جبکہ انٹراٹیومورل کے لیے 0.536 اور 3 ملی میٹر پیری ٹیومورل نمائندگی کے لیے 0.533 تھا۔ AUC کے فرق انٹراٹیومورل کے مقابلے میں 0.092 (95% CI، 0.029–0.155؛ q = 0.009) اور 3 ملی میٹر پیری ٹیومورل کے مقابلے میں 0.095 (95% CI، 0.024–0.173؛ q = 0.015) تھے۔ فیچر اخراج کے بعد اور no-LASSO تجزیے میں بھی VOIFusion3mm سب سے اوپر رہا۔ 1 ملی میٹر اندرونی erosion کے بعد اوسط AUC میں − 0.093 کی تبدیلی آئی (95% CI، − 0.169 سے − 0.015) اور بیرونی dilation کے بعد − 0.004 کی (95% CI، − 0.028 سے 0.019)۔ ریڈیومکس پہلے سے طے شدہ کلینیکل ماڈل سے بڑھ کر اضافی امتیازی صلاحیت ظاہر نہیں کر سکا، اور کیلیبریشن محدود تھی۔
نتائج: VOIFusion3mm نے intratumoral اور الگ تھلگ 3-mm peritumoral نمائندگیوں کے مقابلے میں اندرونی طور پر جانچی گئی درجہ بندی کی امتیازی صلاحیت زیادہ ظاہر کی، لیکن مطلق امتیازی صلاحیت معمولی تھی۔ Radiomics نے جانچے گئے طبی ماڈلز سے آگے کوئی اضافی امتیازی صلاحیت ظاہر نہیں کی، اور calibration انفرادی خطرے کے تخمینے کی تائید نہیں کرتی تھی۔ VOIFusion3mm ایک امیدوار مکانی نمائندگی ہی ہے جس کی بیرونی توثیق درکار ہے، اور اسے انفرادی perioperative فیصلوں کی رہنمائی نہیں کرنی چاہیے۔ تشریح نتائج کے واقعات کی کم تعداد، ایک ہی مرکز پر مبنی ڈیزائن، اور segmentation کی دوبارہ پیدا پذیری کے آزاد کثیر-قاری جائزے کی عدم موجودگی کی وجہ سے محدود ہے۔
جریدے کا IF مساوی: 3.8 (OpenAlex کی 2 سالہ اوسط حوالہ جاتی شرح، قدر بتاریخ 2026-10-15، حاصل کردہ بتاریخ 2026-10-16؛ Clarivate کا سرکاری IF نہیں)حوالہ: Chai Y, Lu C, Wang Z, Li Z, Li Z, Wang Y, et al. تھائموما سے منسلک مایاستھینیا گریوس میں پیری آپریٹو واقعات کی تشخیص کے لیے مربوط ٹیومر–پیری ٹیومرل CT ریڈیومکس: ایک ماضی نگر کوہورٹ مطالعہ۔ BMC Med Imaging. 2026 Oct 14 [Epub ahead of print]. doi:10.1186/s12880-026-02924-w.جانچا گیا: صرف خلاصہ
مایستھینیا گریویس کے تمام 1 مقالات دیکھیں →
آٹو امیون اینسیفلائٹس، CIDP اور گیلین-بیرے سنڈروم: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔