Алцхајмерова болест: Вештачка интелигенција предвиђа почетак
Алат за вештачку интелигенцију који се учи анализи скенирања мозга може тачно предвидети Алцхајмерову болест неколико година пре коначне дијагнозе.
Одговорни тим сугерише да би, након даље валидације, алат могао у великој мери помоћи раном откривању Алцхајмерове болести, дајући време лечењу да ефикасније успори болест.
Истраживачи са Универзитета Калифорнија у Сан Франциску користили су позитронско-емисиону томографију (ПЕТ) слике 1.002 мозга људи да би увежбали алгоритам дубоког учења.
Користили су 90 процената слика да би алгоритам научили како да уочи карактеристике Алцхајмерове болести, а преосталих 10 процената да верификује њене перформансе.
Затим су тестирали алгоритам на ПЕТ сликама мозга још 40 људи. Из њих је алгоритам тачно предвидео који ће појединци добити коначну дијагнозу Алзхеимерове болести. Дијагноза је у просеку дошла више од 6 година након скенирања.
У раду о налазима, који је Радиологија часопис који је недавно објављен, тим описује како је алгоритам „постигао 82 посто специфичности при 100 посто осетљивости, у просеку 75,8 месеци пре коначне дијагнозе“.
„Били смо веома задовољни“, каже коаутор др.Јае Хо Сохн, која ради у универзитетском одељењу за радиологију и биомедицинско сликање, „са перформансама алгоритма“.
„Било је у стању да предвиди сваки појединачни случај који је прешао у Алцхајмерову болест“, додаје он.
Алцхајмерова болест и ПЕТ снимање
Удружење Алзхеимерове болести процењује да око 5,7 милиона људи живи са Алцхајмеровом болешћу у Сједињеним Државама и да ће та цифра вероватно порасти на скоро 14 милиона до 2050. године.
Ранија и тачнија дијагноза не би користила само онима који су погођени, већ би временом могла заједно да уштеди око 7,9 трилиона америчких долара медицинске заштите и повезаних трошкова.
Како Алцхајмерова болест напредује, она мења начин на који мождане ћелије користе глукозу. Ова промена у метаболизму глукозе показује се на типу ПЕТ снимка који прати усвајање радиоактивног облика глукозе названог 18Ф-флуородеоксиглукоза (ФДГ).
Дајући упутства о томе шта треба тражити, научници су успели да обуче алгоритам дубоког учења за процену ФДГ ПЕТ слика за ране знакове Алзхеимерове болести.
Дубоко учење „учи само себе“
Истраживачи су подучавали алгоритам уз помоћ више од 2.109 ФДГ ПЕТ слика 1.002 мозга појединаца. Такође су користили и друге податке из Иницијативе за неуросликовање Алцхајмерове болести.
Алгоритам је користио дубоко учење, сложену врсту вештачке интелигенције која укључује учење кроз примере, слично ономе како људи уче.
Дубинско учење омогућава алгоритму да се „научи“ шта треба тражити уочавањем суптилних разлика међу хиљадама слика.
Алгоритам је био добар као и ако не и бољи од људских стручњака у анализирању ФДГ ПЕТ слика.
Аутори примећују да „у поређењу са радиолошким читаоцима, модел дубоког учења је имао бољи учинак, са статистичком значајношћу, у препознавању пацијената који би и даље имали клиничку дијагнозу [Алзхеимерове болести]“.
Будући развој
Доктор Сохн упозорава да је студија била мала и да налази сада морају да буду подвргнути валидацији. То ће подразумевати употребу већих скупова података и више слика снимљених временом од људи у разним клиникама и установама.
У будућности би алгоритам могао бити користан додатак алату радиолога и побољшати могућности за рано лечење Алцхајмерове болести.
Истраживачи такође планирају да у алгоритам укључе и друге врсте препознавања узорака.
Промена метаболизма глукозе није једино обележје Алзхеимерове болести, објашњава коаутор студије Иоунгхо Сео, професор на Одељењу за радиологију и биомедицинско сликање. Ненормално накупљање протеина такође карактерише болест, додаје он.
„Ако ФДГ ПЕТ са [вештачком интелигенцијом] може рано да предвиди Алцхајмерову болест, снимање бета-амилоидних плакова и тау протеина ПЕТ-ом може да дода нову димензију важне предиктивне снаге.“
Проф. Иоунгхо Сео
