經(jīng)過數(shù)萬次常規(guī)腦部掃描測試的模型發(fā)現(xiàn)疾病風(fēng)險(xiǎn)的準(zhǔn)確率高達(dá) 90%

盡管研究人員在使用研究中收集的高質(zhì)量腦成像測試來檢測阿爾茨海默病的跡象方面取得了長足進(jìn)步，但馬薩諸塞州總醫(yī)院的一個(gè)團(tuán)隊(duì)最近開發(fā)了一種依賴于常規(guī)收集的臨床腦圖像的準(zhǔn)確方法。 這一進(jìn)展可能會(huì)帶來更準(zhǔn)確的診斷。

在這項(xiàng)發(fā)表在 PLOS ONE 上的研究中，馬薩諸塞州將軍系統(tǒng)生物學(xué)中心研究員、馬薩諸塞州阿爾茨海默病研究中心研究員馬修·萊明 (Matthew Leming) 和他的同事使用了深度學(xué)習(xí)——一種機(jī)器學(xué)習(xí)和人工智能， 使用大量數(shù)據(jù)和復(fù)雜算法來訓(xùn)練模型。

在這種情況下，科學(xué)家們根據(jù)從 2019 年之前在麻省總醫(yī)院就診的患有和未患阿爾茨海默病的患者收集的腦部磁共振圖像 (MRI) 數(shù)據(jù)，開發(fā)了一種阿爾茨海默病檢測模型。

接下來，該小組在五個(gè)數(shù)據(jù)集（2019 年之后的麻省總醫(yī)院、2019 年之前和之后的布萊根婦女醫(yī)院以及 2019 年之前和之后的外部系統(tǒng)）測試了該模型，看看它是否能夠根據(jù)真實(shí)數(shù)據(jù)準(zhǔn)確識別阿爾茨海默病。 -世界臨床數(shù)據(jù)，無論醫(yī)院和時(shí)間。

總體而言，該研究涉及來自 2,348 名有阿爾茨海默病風(fēng)險(xiǎn)的患者的 11,103 張圖像和來自 8,456 名無阿爾茨海默病患者的 26,892 張圖像。 在所有五個(gè)數(shù)據(jù)集中，該模型以 90.2% 的準(zhǔn)確率檢測出阿爾茨海默病風(fēng)險(xiǎn)。

這項(xiàng)工作的主要?jiǎng)?chuàng)新之一是它能夠檢測阿爾茨海默氏癥，而不受年齡等其他變量的影響。

“阿爾茨海默病通常發(fā)生在老年人身上，因此深度學(xué)習(xí)模型通常很難檢測出較罕見的早期發(fā)病病例，”Leming說。 “我們通過讓深度學(xué)習(xí)模型對與患者列出的年齡過度相關(guān)的大腦特征‘視而不見’來解決這個(gè)問題?！?/p>

Leming?指出，疾病檢測中的另一個(gè)常見挑戰(zhàn)，尤其是在現(xiàn)實(shí)世界中，是處理與訓(xùn)練集非常不同的數(shù)據(jù)。 例如，使用通用電氣制造的掃描儀上的 MRI 進(jìn)行訓(xùn)練的深度學(xué)習(xí)模型可能無法識別西門子制造的掃描儀上收集的 MRI。

該模型使用不確定性指標(biāo)來確定患者數(shù)據(jù)是否與其訓(xùn)練數(shù)據(jù)相差太大，以致無法做出成功的預(yù)測。

“這是僅有的使用常規(guī)收集的腦部核磁共振成像來嘗試檢測癡呆癥的研究之一。 雖然已經(jīng)進(jìn)行了大量通過大腦 MRI 檢測阿爾茨海默病的深度學(xué)習(xí)研究，但這項(xiàng)研究朝著在現(xiàn)實(shí)世界的臨床環(huán)境中而不是在完美的實(shí)驗(yàn)室環(huán)境中實(shí)際執(zhí)行這一目標(biāo)邁出了實(shí)質(zhì)性的一步，”Leming?說。 “我們的結(jié)果具有跨地點(diǎn)、跨時(shí)間和跨人群的普遍性，為這種診斷技術(shù)的臨床應(yīng)用提供了強(qiáng)有力的理由?！?/p>

以上內(nèi)容來源于Harvard ：Using AI to target Alzheimer’s – Harvard Gazette