作為一種常見的神經(jīng)退行性疾病，阿爾茨海默癥起病隱匿、多發(fā)于中老年群體。而且早在阿爾茨海默癥發(fā)作前15-20年，有毒的β-淀粉樣蛋白分子就已在患者大腦中積累。當(dāng)患者意識受到損傷時，其腦內(nèi)的神經(jīng)元已經(jīng)大量死亡。所以越早發(fā)現(xiàn)，越有機(jī)會減緩甚至停止疾病進(jìn)程。近日，研究人員開發(fā)一種功能強(qiáng)大的新型深度學(xué)習(xí)算法(AI)，可以比現(xiàn)有的診斷方法早6年檢測出阿爾茨海默癥。
目前用于確定阿爾茨海默癥發(fā)病的診斷工具之一是一種稱為18-F-氟脫氧葡萄糖PET掃描（FDG-PET）的腦成像掃描。這種掃描傳統(tǒng)上用于識別幾種類型的癌癥，但近年來證明它本身可用于識別阿爾茨海默癥以及其他幾種類型的癡呆癥。
在最新的研究中，舊金山加利福尼亞大學(xué)的研究人員基于1002名患者的2100多幅FDG-PET腦圖像上訓(xùn)練了機(jī)器學(xué)習(xí)算法，觀察腦細(xì)胞新陳代謝的微小變化。AI先是在90％的圖像上進(jìn)行了訓(xùn)練，然后在剩余10％的圖像以及來自40名從未研究過的患者的獨(dú)立檢查中進(jìn)行算法性能驗(yàn)證。
“大腦中葡萄糖攝取模式的差異是非常微妙和分散的，”研究的共同作者、加州大學(xué)舊金山分校放射與生物醫(yī)學(xué)成像系的Jae Ho Sohn說道，“人們善于發(fā)現(xiàn)特定疾病的生物標(biāo)記物，但代謝變化代表了一個更全面和微妙的過程。”
將AI應(yīng)用于阿爾茨海默病的研究并非史無前例，但最新研究利用阿爾茨海默癥神經(jīng)成像倡議（ADNI）數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)算法，以關(guān)注腦細(xì)胞中葡萄糖攝取模式，這是一種新的方法。研究結(jié)果以“A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain”為題發(fā)表在《Radiology》雜志上。
雖然臨床醫(yī)生擅長FDG-PET腦圖像評估，但新的深度學(xué)習(xí)技術(shù)能夠識別密集成像數(shù)據(jù)中更微妙的模式。該算法能夠預(yù)測所有進(jìn)展為阿爾茨海默病的病例——具有82%的特異性和 敏感性，與放射科醫(yī)師相比，診斷時間平均提前了75.8個月。Jae Ho Sohn表示，“我們對算法的性能非常滿意，它能預(yù)測每一個進(jìn)展為阿爾茨海默癥的病例。”
鑒于樣本量太小（只有40例），需要通過更大的獨(dú)立數(shù)據(jù)集合前瞻性研究進(jìn)行驗(yàn)證該算法，但研究小組相信，AI系統(tǒng)最終會成為放射學(xué)家的補(bǔ)充工具，并為使用AI來發(fā)現(xiàn)其他與阿爾茨海默病相關(guān)的生物學(xué)標(biāo)志物奠定基礎(chǔ)，這些標(biāo)志物包括β-淀粉樣蛋白和tau蛋白積聚以及異常p葉黃素凝塊。
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2024 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
