Хвороба Альцгеймера: Штучний інтелект передбачає початок
Інструмент штучного інтелекту, який навчають аналізувати сканування мозку, може точно передбачити хворобу Альцгеймера за кілька років до остаточного діагнозу.
Відповідальна команда припускає, що після подальшої перевірки засіб може значно допомогти у ранньому виявленні хвороби Альцгеймера, даючи час лікування для більш ефективного уповільнення захворювання.
Дослідники з Каліфорнійського університету в Сан-Франциско використовували позитронно-емісійну томографію (ПЕТ) зображення 1002 мозку людей для навчання алгоритму глибокого навчання.
Вони використали 90 відсотків зображень, щоб навчити алгоритм виявляти ознаки хвороби Альцгеймера, а решту 10 відсотків перевірити її ефективність.
Потім вони протестували алгоритм на ПЕТ-зображеннях мозку ще 40 людей. На основі цього алгоритм точно передбачив, хто з людей отримає остаточний діагноз хвороби Альцгеймера. В середньому діагноз ставився більше ніж через 6 років після сканування.
У статті про висновки, які Рентгенологія нещодавно опублікований журнал, команда описує, як алгоритм "досяг 82 відсотків специфічності при 100-відсотковій чутливості, в середньому за 75,8 місяців до остаточного діагнозу".
"Ми були дуже задоволені", - каже співавтор Dr.Дже Хо Сон, яка працює в університетському відділі радіології та біомедичної візуалізації, "з ефективністю алгоритму".
"Він зміг передбачити кожен окремий випадок, який перейшов до хвороби Альцгеймера", - додає він.
Хвороба Альцгеймера та ПЕТ-візуалізація
За оцінками Асоціації Альцгеймера, в США близько 5,7 мільйона людей живуть із хворобою Альцгеймера, і ця цифра, ймовірно, зросте до майже 14 мільйонів до 2050 року.
Більш ранні та точні діагнози не лише принесли б користь постраждалим, але також могли б разом заощадити близько 7,9 трлн. Доларів медичної допомоги та пов'язаних з цим витрат.
У міру прогресування хвороби Альцгеймера вона змінює спосіб використання клітин мозку глюкозою. Ця зміна метаболізму глюкози виявляється у типі візуалізації ПЕТ, який відстежує поглинання радіоактивної форми глюкози, званої 18F-фтородезоксиглюкозою (FDG).
Даючи вказівки щодо того, на що слід звертати увагу, вчені змогли навчити алгоритм глибокого навчання для оцінки зображень FDG PET для ранніх ознак Альцгеймера.
Глибоке навчання "навчає себе"
Дослідники викладали алгоритм за допомогою більш ніж 210 фотографій FDG PET з мозку 1002 особи. Вони також використовували інші дані Ініціативи нейровізуалізації хвороби Альцгеймера.
Алгоритм використовував глибоке навчання, складний тип штучного інтелекту, який передбачає навчання на прикладах, подібно до того, як люди вчаться.
Глибоке навчання дозволяє алгоритму «навчитись», на що слід звертати увагу, помічаючи тонкі відмінності серед тисяч зображень.
Алгоритм був настільки хорошим, як якщо не кращим, ніж людські експерти при аналізі зображень FDG PET.
Автори відзначають, що "у порівнянні з читачами рентгенологічних досліджень модель глибокого навчання працювала краще, зі статистичною значимістю, при розпізнаванні пацієнтів, які продовжували б мати клінічний діагноз [хвороба Альцгеймера]".
Майбутні розробки
Доктор Сон застерігає, що дослідження було невеликим і що результати тепер мають пройти перевірку. Це передбачатиме використання більших наборів даних та більшої кількості зображень, зроблених з часом у людей у різних клініках та установах.
У майбутньому алгоритм може стати корисним доповненням до набору інструментів рентгенолога та покращити можливості для раннього лікування хвороби Альцгеймера.
Також дослідники планують включити в алгоритм інші типи розпізнавання зразків.
Зміна метаболізму глюкози - не єдина ознака хвороби Альцгеймера, пояснює співавтор дослідження Янгю Сео, професор кафедри радіології та біомедичної візуалізації. Аномальне накопичення білків також характеризує захворювання, додає він.
"Якщо FDG PET із [штучним інтелектом] може передбачити хворобу Альцгеймера на цьому ранньому етапі, візуалізація бета-амілоїдного нальоту та ПЕТ-тау-білка може, можливо, додати ще один вимір важливої прогностичної сили".
Проф. Янгхо Сео
