Alzheimerio liga: dirbtinis intelektas numato pradžią
Dirbtinio intelekto įrankis, mokomas analizuoti smegenų nuskaitymus, gali tiksliai numatyti Alzheimerio ligą kelerius metus iki galutinės diagnozės.
Atsakinga komanda siūlo, kad, atlikus tolesnį patvirtinimą, įrankis gali labai padėti anksti nustatyti Alzheimerio ligą, suteikiant laiko gydymui efektyviau sulėtinti ligą.
Mokslininkai iš Kalifornijos universiteto San Franciske naudojo 1002 žmonių smegenų pozitronų emisijos tomografijos (PET) vaizdus, kad lavintų giluminio mokymosi algoritmą.
Jie panaudojo 90 procentų vaizdų, kad išmokytų algoritmą, kaip pastebėti Alzheimerio ligos ypatybes, o likusius 10 procentų - patikrinti jo veikimą.
Tada jie išbandė dar 40 žmonių smegenų PET vaizdų algoritmą. Iš jų algoritmas tiksliai numatė, kurie asmenys gaus galutinę Alzheimerio diagnozę. Vidutiniškai diagnozė nustatyta praėjus daugiau nei 6 metams po nuskaitymo.
Dokumente apie išvadas, kurias Radiologija žurnalas neseniai paskelbė, komanda aprašo, kaip algoritmas „pasiekė 82 proc. specifiškumą esant 100 proc. jautrumui, vidutiniškai 75,8 mėn. iki galutinės diagnozės nustatymo“.
"Mes buvome labai patenkinti", - sako bendraautorė dr.Jae Ho Sohnas, dirbantis universiteto radiologijos ir biomedicinos vizualizavimo skyriuje, „atlikdamas algoritmą“.
"Tai sugebėjo numatyti kiekvieną atvejį, kuris progresavo iki Alzheimerio ligos", - priduria jis.
Alzheimerio liga ir PET vaizdavimas
Alzheimerio ligos asociacija apskaičiavo, kad maždaug 5,7 milijono žmonių gyvena Alzheimerio liga Jungtinėse Valstijose ir kad šis skaičius greičiausiai išaugs iki beveik 14 milijonų iki 2050 m.
Ankstesnė ir tikslesnė diagnozė būtų naudinga ne tik nukentėjusiems, bet ir laikui bėgant galėtų sutaupyti apie 7,9 trln. USD medicinos pagalbos ir su tuo susijusių išlaidų.
Progresuojant Alzheimerio ligai, ji keičia tai, kaip smegenų ląstelės naudoja gliukozę. Šis gliukozės apykaitos pokytis pasireiškia PET tipo vaizdavimu, kuris stebi radioaktyviosios gliukozės formos, vadinamos 18F-fluorodeoksigliukoze (FDG), pasisavinimą.
Pateikdami nurodymus, ko ieškoti, mokslininkai sugebėjo išmokyti giluminio mokymosi algoritmą, kad įvertintų FDG PET vaizdus dėl ankstyvųjų Alzheimerio ligos požymių.
Gilus mokymasis „moko save“
Tyrėjai mokė algoritmo pasitelkę daugiau nei 2 109 FDG PET vaizdus iš 1002 asmenų smegenų. Jie taip pat panaudojo kitus duomenis iš Alzheimerio ligos neurografijos iniciatyvos.
Algoritmas naudojo gilųjį mokymąsi - sudėtingą dirbtinio intelekto tipą, kuris apima mokymąsi pagal pavyzdžius, panašiai kaip ir žmonės.
Gilus mokymasis leidžia algoritmui „išmokyti save“, ko ieškoti, pastebint subtilius tūkstančių vaizdų skirtumus.
Algoritmas analizavo FDG PET vaizdus taip pat gerai, jei ne geriau nei žmonės.
Autoriai pažymi, kad „palyginus su radiologijos skaitytojais, giluminio mokymosi modelis geriau ir statistiškai reikšmingai atpažino pacientus, kuriems buvo nustatyta [Alzheimerio ligos] klinikinė diagnozė“.
Būsimi pokyčiai
Dr. Sohnas įspėja, kad tyrimas buvo nedidelis ir kad išvadas dabar reikia patvirtinti. Tam reikės naudoti didesnius duomenų rinkinius ir daugiau vaizdų, laikui bėgant paimtų iš įvairių klinikų ir įstaigų žmonių.
Ateityje algoritmas galėtų būti naudingas papildymas radiologo priemonių rinkiniui ir pagerinti ankstyvo Alzheimerio ligos gydymo galimybes.
Tyrėjai taip pat planuoja į algoritmą įtraukti ir kitų tipų atpažinimo tipus.
Gliukozės apykaitos pokytis nėra vienintelis Alzheimerio požymis, aiškina tyrimo bendraautorius Youngho Seo, Radiologijos ir biomedicininių vaizdų katedros profesorius. Nenormalus baltymų kaupimasis taip pat apibūdina ligą, priduria jis.
"Jei FDG PET su [dirbtiniu intelektu] gali šį ankstyvą laiką numatyti Alzheimerio ligą, beta-amiloido apnašos ir tau baltymų PET vaizdai gali pridėti dar vieną svarbios nuspėjamosios galios dimensiją."
Prof. Youngho Seo
