AI系統能比醫生早6年檢測出阿爾茨海默症

作為一種常見的神經退行性疾病，阿爾茨海默症起病隱匿、多發於中老年群體。而且早在阿爾茨海默症發作前15-20年，有毒的β-澱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，其腦內的神經元已經大量死亡。所以越早發現，越有機會減緩甚至停止疾病進程。近日，研究人員開發一種功能強大的新型深度學習演算法(AI)，可以比現有的診斷方法早6年檢測出阿爾茨海默症。

目前用於確定阿爾茨海默症發病的診斷工具之一是一種稱為18-F-氟脫氧葡萄糖PET掃描（FDG-PET）的腦成像掃描。這種掃描傳統上用於識別幾種類型的癌症，但近年來證明它本身可用於識別阿爾茨海默症以及其他幾種類型的癡呆症。

在最新的研究中，舊金山加利福尼亞大學的研究人員基於1002名患者的2100多幅FDG-PET腦影像上訓練了機器學習演算法，觀察腦細胞新陳代謝的微小變化。AI先是在90％的影像上進行了訓練，然後在剩餘10％的影像以及來自40名從未研究過的患者的獨立檢查中進行演算法性能驗證。

「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、加州大學舊金山分校放射與生物醫學成像系的Jae Ho Sohn說道，「人們善於發現特定疾病的生物標記物，但代謝變化代表了一個更全面和微妙的過程。」

將AI應用於阿爾茨海默病的研究並非史無前例，但最新研究利用阿爾茨海默症神經成像倡議（ADNI）數據訓練深度學習演算法，以關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」為題發表在《Radiology》雜誌上。

雖然臨床醫生擅長FDG-PET腦影像評估，但新的深度學習技術能夠識別密集成像數據中更微妙的模式。該演算法能夠預測所有進展為阿爾茨海默病的病例——具有82%的特異性和100% 敏感性，與放射科醫師相比，診斷時間平均提前了75.8個月。Jae Ho Sohn表示，「我們對演算法的性能非常滿意，它能預測每一個進展為阿爾茨海默症的病例。」

鑒於樣本量太小（只有40例），需要通過更大的獨立數據集合前瞻性研究進行驗證該演算法，但研究小組相信，AI系統最終會成為放射學家的補充工具，並為使用AI來發現其他與阿爾茨海默病相關的生物學標誌物奠定基礎，這些標誌物包括β-澱粉樣蛋白和tau蛋白積聚以及異常p葉黃素凝塊。

責編：浮蘇

End

參考資料：1）Imaging AI spots and predicts Alzheimer』s signs 6 years early in PET scan study

2）A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain

3）Alzheimer"s: Artificial intelligence predicts onset

4）AI system detects Alzheimer』s disease 6 years faster than clinical diagnosis

5）Deep learning algorithm detects Alzheimer』s up to six years before doctors

本文系生物探索原創，歡迎個人轉發分享。其他任何媒體、網站如需轉載，須在正文前註明來源生物探索。