作為一種常見(jiàn)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。當患者意識受到損傷時(shí)，其腦內的神經(jīng)元已經(jīng)大量死亡。所以越早發(fā)現，越有機會(huì )減緩甚至停止疾病進(jìn)程。近日，研究人員開(kāi)發(fā)一種功能強大的新型深度學(xué)習算法(AI)，可以比現有的診斷方法早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(chēng)為18-F-氟脫氧葡萄糖PET掃描（FDG-PET）的腦成像掃描。這種掃描傳統上用于識別幾種類(lèi)型的癌癥，但近年來(lái)證明它本身可用于識別阿爾茨海默癥以及其他幾種類(lèi)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腦圖像上訓練了機器學(xué)習算法，觀(guān)察腦細胞新陳代謝的微小變化。AI先是在90％的圖像上進(jìn)行了訓練，然后在剩余10％的圖像以及來(lái)自40名從未研究過(guò)的患者的獨立檢查中進(jìn)行算法性能驗證。
“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學(xué)成像系的Jae Ho Sohn說(shuō)道，“人們善于發(fā)現特定疾病的生物標記物，但代謝變化代表了一個(gè)更全面和微妙的過(guò)程。”
將AI應用于阿爾茨海默病的研究并非史無(wú)前例，但最新研究利用阿爾茨海默癥神經(jīng)成像倡議（ADNI）數據訓練深度學(xué)習算法，以關(guān)注腦細胞中葡萄糖攝取模式，這是一種新的方法。研究結果以“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。
雖然臨床醫生擅長(cháng)FDG-PET腦圖像評估，但新的深度學(xué)習技術(shù)能夠識別密集成像數據中更微妙的模式。該算法能夠預測所有進(jìn)展為阿爾茨海默病的病例——具有82%的特異性和 敏感性，與放射科醫師相比，診斷時(shí)間平均提前了75.8個(gè)月。Jae Ho Sohn表示，“我們對算法的性能非常滿(mǎn)意，它能預測每一個(gè)進(jìn)展為阿爾茨海默癥的病例。”
鑒于樣本量太?。ㄖ挥?0例），需要通過(guò)更大的獨立數據集合前瞻性研究進(jìn)行驗證該算法，但研究小組相信，AI系統最終會(huì )成為放射學(xué)家的補充工具，并為使用AI來(lái)發(fā)現其他與阿爾茨海默病相關(guān)的生物學(xué)標志物奠定基礎，這些標志物包括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(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
