Alzheimeri tõbi: tehisintellekt ennustab algust
Aju skaneerimise analüüsimiseks õpetatud tehisintellekti tööriist võimaldab Alzheimeri tõbe täpselt ennustada mitu aastat enne lõplikku diagnoosi.
Vastutav meeskond soovitab, et pärast täiendavat valideerimist võib tööriist oluliselt aidata Alzheimeri tõvest varajast avastamist, andes ravile aega haiguse tõhusamaks aeglustamiseks.
San Francisco California ülikooli teadlased kasutasid sügava õppe algoritmi koolitamiseks 1002 inimese aju positronemissioontomograafia (PET) pilte.
Nad kasutasid 90 protsenti piltidest, et õpetada algoritmile Alzheimeri tõve tunnuseid ja ülejäänud 10 protsenti selle toimivuse kontrollimiseks.
Seejärel testisid nad algoritmi veel 40 inimese aju PET-piltidel. Nende põhjal ennustas algoritm täpselt, millised isikud saavad Alzheimeri tõve lõpliku diagnoosi. Keskmiselt diagnoositi rohkem kui 6 aastat pärast skaneerimist.
Dokumendis leidude kohta, mida Radioloogia hiljuti avaldatud ajakirjas kirjeldab meeskond, kuidas algoritm "saavutas 82-protsendilise spetsiifilisuse 100-protsendilise tundlikkuse korral, keskmiselt 75,8 kuud enne lõplikku diagnoosi."
"Meil oli väga hea meel," ütleb algoritmi toimimisega kaasautor dr Jae Ho Sohn, kes töötab ülikooli radioloogia ja biomeditsiinilise pildistamise osakonnas. "
"See suutis ennustada kõiki üksikuid juhtumeid, mis ulatusid Alzheimeri tõveni," lisab ta.
Alzheimeri tõbi ja PET-i pildistamine
Alzheimeri tõve ühingu hinnangul elab Ameerika Ühendriikides Alzheimeri tõvega umbes 5,7 miljonit inimest ja tõenäoliselt kasvab see arv 2050. aastaks peaaegu 14 miljonini.
Varasem ja täpsem diagnoosimine tooks kasu mitte ainult kannatanutele, vaid võib ka aja jooksul kokku hoida umbes 7,9 triljonit dollarit meditsiiniabi ja sellega seotud kulusid.
Alzheimeri tõve progresseerumisel muudab see ajurakkude glükoosi kasutamist. See muutus glükoosi ainevahetuses ilmneb PET tüüpi pildistamises, mis jälgib 18F-fluorodeoksüglükoosi (FDG) radioaktiivse glükoosivormi omastamist.
Andes juhiseid selle kohta, mida otsida, suutsid teadlased koolitada sügava õppe algoritmi, et hinnata FDG PET-i pilte Alzheimeri tõve varajaste nähtude suhtes.
Sügav õppimine 'õpetab ennast'
Teadlased õpetasid algoritmi 1002 inimese aju enam kui 2109 FDG PET-pildi abil. Nad kasutasid ka muid Alzheimeri tõve neurofotograafia algatuse andmeid.
Algoritmis kasutati sügavat õppimist - keerukat tüüpi tehisintellekti, mis hõlmab õppimist näidete kaudu, sarnaselt sellele, kuidas inimesed õpivad.
Sügav õppimine võimaldab algoritmil "õpetada ennast", mida otsida, tuvastades tuhandete piltide vahel peent erinevusi.
Algoritm oli FDG PET-piltide analüüsimisel sama hea kui isegi mitte parem kui inimekspertidel.
Autorid märgivad, et "võrreldes radioloogia lugejatega õnnestus sügava õppe mudeli statistilise olulisusega paremini tuvastada patsiente, kellel oleks [Alzheimeri tõve] kliiniline diagnoos."
Edasised arengud
Dr Sohn hoiatab, et uuring oli väike ja et leiud tuleb nüüd valideerida. See hõlmab suuremate andmekogumite kasutamist ja rohkem pilte, mis on aja jooksul erinevatelt kliinikutelt ja asutustelt inimestelt tehtud.
Tulevikus võib algoritm olla radioloogi tööriistakomplekti kasulik täiendus ja parandada Alzheimeri tõve varajase ravi võimalusi.
Teadlased plaanivad algoritmi lisada ka muud tüüpi mustrituvastuse.
Glükoosi metabolismi muutus pole Alzheimeri ainus tunnus, selgitab uuringu kaasautor, radioloogia ja biomeditsiinilise pildistamise osakonna professor Youngho Seo. Ebanormaalne valkude kogunemine iseloomustab ka haigust, lisab ta.
"Kui [tehisintellektiga] FDG PET suudab Alzheimeri tõbe ennustada nii vara, võivad beeta-amüloidnaastud ja tau-valgu PET-i pildistamine lisada veel ühe olulise ennustava jõu mõõtme."
Prof Youngho Seo
