侵權(quán)投訴
訂閱
糾錯(cuò)
加入自媒體

人工智能方法可能有助于從常規(guī)腦成像檢查中發(fā)現(xiàn)阿爾茨海默病

研究人員開發(fā)并驗(yàn)證了一種基于深度學(xué)習(xí)的方法,可以根據(jù)常規(guī)收集的臨床大腦圖像檢測(cè)阿爾茨海默病。

《每日科學(xué)》

2023年3月3日消息

盡管研究人員在使用高質(zhì)量腦成像(研究級(jí))檢查來(lái)檢測(cè)阿爾茨海默病的跡象方面取得了長(zhǎng)足進(jìn)展,但麻省總醫(yī)院(Massachusetts General Hospital,MGH)的一個(gè)團(tuán)隊(duì)最近開發(fā)了一種依賴于常規(guī)收集的臨床腦圖像的準(zhǔn)確檢測(cè)方法。這一進(jìn)步可能會(huì)帶來(lái)更準(zhǔn)確的診斷。

在這項(xiàng)發(fā)表在《公共科學(xué)圖書館:綜合》(PLOS ONE)雜志上的研究中,麻省總醫(yī)院系統(tǒng)生物學(xué)中心研究員、馬薩諸塞州阿爾茨海默病研究中心研究員 Matthew Leming 博士和他的同事們使用了深度學(xué)習(xí)(一種使用大量數(shù)據(jù)和復(fù)雜算法來(lái)訓(xùn)練模型的機(jī)器學(xué)習(xí))和人工智能來(lái)檢測(cè)阿爾茨海默病

研究于2023年3月2日發(fā)表在《PLOS ONE》(最新影響因子:3.752)雜志上

在這種情況下,科學(xué)家們根據(jù) 2019 年之前在 MGH 看到的患有和沒有阿爾茨海默病的患者的腦磁共振圖像數(shù)據(jù)開發(fā)了一種阿爾茨海默病檢測(cè)模型。

接下來(lái),該小組在五個(gè)數(shù)據(jù)集上測(cè)試了該模型——MGH 2019 年后,布萊根婦女醫(yī)院 2019 年前和后,以及外部醫(yī)療系統(tǒng) 2019 年前和后——以查看它是否可以基于真實(shí)世界的臨床數(shù)據(jù)準(zhǔn)確檢測(cè)阿爾茨海默病,而不管是哪家醫(yī)院和時(shí)間。

總的來(lái)說(shuō),這項(xiàng)研究涉及了 2,348 名阿爾茨海默病風(fēng)險(xiǎn)患者的 11,103 張圖像和 8,456 名非阿爾茨海默病患者的 26,892 張圖像。在所有五個(gè)數(shù)據(jù)集中,該模型檢測(cè)阿爾茨海默病風(fēng)險(xiǎn)的準(zhǔn)確率為 90.2%。

這項(xiàng)工作的主要創(chuàng)新之處在于,它能夠檢測(cè)出阿爾茨海默病,而不考慮年齡等其他變量!阿爾茨海默病通常發(fā)生在老年人身上,因此深度學(xué)習(xí)模型通常很難檢測(cè)到罕見的早發(fā)病例,” Leming 說(shuō),“當(dāng)發(fā)現(xiàn)大腦特征與患者的年齡過(guò)度相關(guān),我們通過(guò)讓深度學(xué)習(xí)模型對(duì)這些大腦特征‘無(wú)視’來(lái)解決這個(gè)問(wèn)題!

Leming 指出,疾病檢測(cè)中另一個(gè)常見的挑戰(zhàn),特別是在現(xiàn)實(shí)環(huán)境中,是處理與訓(xùn)練集非常不同的數(shù)據(jù)。例如,在 GE 制造的掃描儀上訓(xùn)練的深度學(xué)習(xí)模型可能無(wú)法識(shí)別西門子制造的掃描儀上收集的磁共振圖像。

該模型使用不確定性度量來(lái)確定患者數(shù)據(jù)是否與訓(xùn)練時(shí)的數(shù)據(jù)差異太大,以至于無(wú)法成功預(yù)測(cè)。

“這是唯一一項(xiàng)使用常規(guī)收集的腦磁共振成像來(lái)試圖檢測(cè)失智癥的研究。雖然已經(jīng)進(jìn)行了大量通過(guò)腦磁共振檢測(cè)阿爾茨海默病的深度學(xué)習(xí)研究,但這項(xiàng)研究朝著在現(xiàn)實(shí)世界的臨床環(huán)境中(而不是完美的實(shí)驗(yàn)室環(huán)境)實(shí)際執(zhí)行邁出了實(shí)質(zhì)性的一步,” Leming 說(shuō),“我們的研究結(jié)果具有跨地點(diǎn)、跨時(shí)間和跨人群的普遍性,為這種診斷技術(shù)的臨床應(yīng)用提供了強(qiáng)有力的證據(jù)!

始創(chuàng)于1811年的麻省總醫(yī)院

參考文獻(xiàn)

Source:Massachusetts General Hospital

Artifical intelligence approach may help detect Alzheimer's disease from routine brain imaging tests

Reference:

Matthew Leming, Sudeshna Das, Hyungsoon Im. Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham. PLOS ONE, 2023; 18 (3): e0277572 DOI: 10.1371/journal.pone.0277572

免責(zé)聲明

本公眾號(hào)上的醫(yī)療信息僅作為信息資源提供與分享,不用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前,請(qǐng)咨詢你的醫(yī)生。

       原文標(biāo)題 : 人工智能方法可能有助于從常規(guī)腦成像檢查中發(fā)現(xiàn)阿爾茨海默病

聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

醫(yī)療科技 獵頭職位 更多
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)