人工智慧能提前檢測出老年癡呆

11月14日，一項發布在Radiology雜誌上的研究報告顯示，人工智慧（AI）技術提高了腦成像預測阿茨海默症的能力。阿茨海默症的及時診斷非常重要，因為在疾病早期，對其的治療和乾預措施在疾病更為有效。

然而，事實證明，在早期診斷出此病狀非常具有挑戰性。雖然現有的研究已經能夠將病發過程與新陳代謝的變化聯繫起來，比如說大腦某些區域的葡萄糖攝取的顯示，但這些變化是微乎其微的，甚至非常難檢測到。

圖片來自網路

「大腦中葡萄糖攝取模式的差異是非常細小且分散的，」該報告的作者之一，即加州大學舊金山分校（UCSF）放射與生物醫學影像部門的Jae Ho Sohn博士說：「人們能夠檢測到某種疾病的特定的生物特徵變化，但人體代謝變化是一個更加整體以及微妙的過程。」

該研究報告的主筆人，即來自加州大學舊金山分校醫學系的Benjamin Franc博士通過放射學大數據研究小組（一個專註於放射學數據的多學科醫師和工程師團隊）聯繫到了Sohn博士和加州大學伯克利分校的大學生丁一鳴。Franc博士對深度學習應用非常感興趣，該應用屬於人工智慧範疇，即表明機器能夠像人類一樣通過實際例子學習，最後發現並預測阿茨海默症患者大腦新陳代謝的變化。

研究人員訓練深度學習演算法運用成像技術對被稱為18-F-氟脫氧葡萄糖正電子進行了斷層掃描（FDG-PET）。在斷層掃描的過程中，研究熱源將放射性葡萄糖化合物FDG注入血液中，然後，斷層掃描對腦細胞中FDG的攝取進行測量，這是代謝活動的指標。

圖片來自網路

另外，研究人員還獲取了阿爾茨海默症神經影像學倡議（ADNI）的數據，這是一項全球性公私合作項，其重點依靠臨床試驗來改善阿茲海默症的預防和治療。ADNI數據集包括來自1002名患者的2100多個FDG-PET腦影像。研究人員利用90％的數據集來訓練深度學習演算法，然後在剩餘的10％數據集上進行測試。通過深度學習，該演算法能夠自己發現阿爾茨海默症相對應的代謝模式。

最後，研究人員在一組獨立的40個成像檢查中測試了該演算法，這次檢查來自40名之前從未參與該研究的患者。最後檢測出的結果，深度演算法在病發前六年的靈敏度達到了百分之百。「我們對演算法的性能非常滿意，」Sohn說：「它能夠預測每一例會發展為阿茨海默症的病例。」

儘管Sohn博士說他們的獨立測試集規模很小，還需要通過更大規模的研究來進一步驗證，但他也表示該演算法可以成為放射科醫師工作的得力助手，特別當該演算法與其他生化和成像測試相結合時，能夠提供早期治療乾預的機會。

「如果我們在所有癥狀都出現時才診斷出阿茨海默症，那對大腦的損害非常大，再進行乾預治療已經為時已晚了。」他說：「如果我們能夠更早地發現它，研究人員就有機會找到更好的方法來減緩甚至製止病變。」

加州大學舊金山分校的Youngho Seo博士說，他曾是該研究的指導顧問之一。未來的研究方向包括訓練深度學習演算法尋找β-澱粉樣蛋白和tau蛋白的積累相關的模式，大腦中出現異常的蛋白質團塊是阿茨海默症特殊的標誌物。