Mithilfe großer Kohorten aus veröffentlichten klinischen Studien mit mehr als 8.000 Patienten mit Multipler Sklerose rekonstruiert ein probabilistisches Machine-Learning-Modell die Übergangswahrscheinlichkeiten aus datenbasierten Krankheitszuständen, wobei Muster erkennbar werden, die darauf hindeuten, wie der Übergang zu schweren Stadien erfolgt und wie der Prozess möglicherweise umgekehrt werden kann.