Alzheimerova choroba: Umelá inteligencia predpovedá nástup
Nástroj umelej inteligencie, ktorý sa učí analyzovať skenovanie mozgu, dokáže presne predpovedať Alzheimerovu chorobu niekoľko rokov pred konečnou diagnózou.
Zodpovedný tím naznačuje, že po ďalšej validácii by tento nástroj mohol výrazne pomôcť pri včasnom odhalení Alzheimerovej choroby a poskytnúť liečbe čas na účinnejšie spomalenie ochorenia.
Vedci z Kalifornskej univerzity v San Franciscu použili na trénovanie algoritmu hlbokého učenia obrázky pozitrónovej emisnej tomografie (PET) 1 002 mozgov ľudí.
Použili 90 percent obrázkov na výučbu algoritmu na zisťovanie znakov Alzheimerovej choroby a zvyšných 10 percent na overenie jej výkonu.
Potom testovali algoritmus na PET snímkach mozgu ďalších 40 ľudí. Z nich algoritmus presne predpovedal, ktorí jedinci dostanú konečnú diagnózu Alzheimerovej choroby. V priemere diagnóza prišla viac ako 6 rokov po skenovaní.
V príspevku o zisteniach, ktoré Rádiológia v časopise, ktorý nedávno publikoval, tím popisuje, ako algoritmus „dosiahol 82-percentnú špecificitu pri 100-percentnej citlivosti, v priemere 75,8 mesiaca pred konečnou diagnózou.“
„Boli sme veľmi potešení,“ hovorí spoluautor Dr.Jae Ho Sohn, ktorý pracuje na univerzitnom oddelení rádiológie a biomedicínskeho zobrazovania, „s výkonom algoritmu“.
„Dokázal predpovedať všetky prípady, ktoré postúpili do Alzheimerovej choroby,“ dodáva.
Alzheimerova choroba a zobrazovanie PET
Alzheimerova asociácia odhaduje, že v USA žije asi 5,7 milióna ľudí s Alzheimerovou chorobou a že toto číslo sa do roku 2050 pravdepodobne zvýši na takmer 14 miliónov.
Skoršia a presnejšia diagnóza by prospela nielen postihnutým, ale mohla by tiež spoločne ušetriť asi 7,9 bilióna dolárov za lekársku starostlivosť a súvisiace náklady v priebehu času.
Postupom Alzheimerovej choroby sa mení spôsob, akým mozgové bunky používajú glukózu. Táto zmena v metabolizme glukózy sa prejaví pri type zobrazovania PET, ktoré sleduje absorpciu rádioaktívnej formy glukózy nazývanej 18F-fluórodeoxyglukóza (FDG).
Poskytnutím pokynov o tom, čo hľadať, mohli vedci trénovať algoritmus hlbokého učenia na vyhodnotenie PET obrázkov FDG na včasné príznaky Alzheimerovej choroby.
Hlboké učenie sa „učí samo“
Vedci naučili tento algoritmus pomocou viac ako 2 109 FDG PET obrázkov mozgu 1 002 jednotlivcov. Použili tiež ďalšie údaje z Alzheimerovej choroby Neuroimaging Initiative.
Algoritmus využíval hlboké učenie, komplexný typ umelej inteligencie, ktorý zahŕňa učenie pomocou príkladov, podobne ako sa ľudia učia.
Hlboké učenie umožňuje algoritmu „naučiť sa“, čo má hľadať, a to spozorovaním jemných rozdielov medzi tisíckami obrázkov.
Algoritmus bol pri analýze FDG PET obrázkov rovnako dobrý, ak nie lepší ako ľudskí odborníci.
Autori poznamenávajú, že „v porovnaní s čitateľmi rádiológie mal model hlbokého učenia lepšie výsledky so štatistickou významnosťou pri rozpoznávaní pacientov, u ktorých by sa ďalej diagnostikovala [Alzheimerova choroba].“
Budúci vývoj
Dr. Sohn varuje, že štúdia bola malá a že teraz je potrebné podstúpiť validáciu. Bude to vyžadovať použitie väčších súborov údajov a viac obrázkov, ktoré sa v priebehu času nasnímali od ľudí na rôznych klinikách a ústavoch.
Algoritmus by v budúcnosti mohol byť užitočným doplnkom súboru rádiologických nástrojov a zlepšiť možnosti včasnej liečby Alzheimerovej choroby.
Vedci taktiež plánujú do algoritmu zahrnúť ďalšie typy rozpoznávania vzorov.
Zmena metabolizmu glukózy nie je jediným charakteristickým znakom Alzheimerovej choroby, vysvetľuje spoluautor štúdie Youngho Seo, profesor na katedre rádiológie a biomedicínskeho zobrazovania. Dodáva, že ochorenie charakterizuje aj abnormálne hromadenie bielkovín.
„Ak FDG PET s [umelou inteligenciou] dokáže tak skoro predpovedať Alzheimerovu chorobu, môže použitie beta-amyloidových plakov a tau proteínového PET zobrazenia pridať ďalší rozmer dôležitej prediktívnej sily.“ “
Youngho Seo
