根据 3 月 6 日在线发表在《临床放射学》上的一项研究，基于磁共振成像 (MRI) 的机器学习方法可以区分再生障碍性贫血 (AA) 和骨髓增生异常综合征 (MDS)。

来自杭州浙江中医药大学第一附属医院的 P. Xiang 及其同事对通过病理性骨髓活检诊断为 AA 或 MDS 的患者进行了一项回顾性研究，这些患者接受了盆腔 MRI 以及回声水和脂肪的迭代分解不对称和最小二乘估计定量 (IDEAL-IQ)。三种机器学习算法，包括线性判别分析、逻辑回归和支持向量机 (SVM)，用于根据右侧髂骨脂肪分数 (FF) 的值和从 T1 加权 (T1W) 中提取的放射组学特征来识别 AA 和 MDS和 IDEAL-IQ 图像。

该研究包括 77 名参与者(37 名男性和 40 名女性)，年龄在 20 至 84 岁之间。21 名患者患有 MDS，56 名患者患有 AA。研究人员发现，AA 患者的髂骨 FF 明显大于 MDS 患者(平均值±标准差：79.23±15.04 对 42.78±30.09%)。基于 IDEAL-IQ 的 SVM 分类器模型在基于髂骨 FF、T1W 成像和 IDEAL-IQ 的机器学习模型中具有最佳预测能力。

“基于 IDEAL-IQ 的骨盆机器学习可以高精度区分 AA 和 MDS，其预测能力明显优于髂骨 FF 和基于 T1W 的机器学习，”作者写道。“机器学习和 IDEAL-IQ 技术的结合可以实现 AA 与 MDS 的无创区分。”