杜克健康研究人員開發(fā)的一種機(jī)器學(xué)習(xí)模型可以使用眼睛的視網(wǎng)膜圖像區(qū)分正常認(rèn)知和輕度認(rèn)知障礙。

杜克健康

7月10日消息

該模型分析視網(wǎng)膜圖像和相關(guān)數(shù)據(jù)，并識別特定特征，以識別輕度認(rèn)知障礙的個體。該模型近日發(fā)表在《眼科學(xué)》（Ophthalmology Science）雜志上，它展示了一種非侵入性和廉價的方法，以識別可能發(fā)展為阿爾茨海默病的認(rèn)知障礙的早期跡象的潛力。

研究于2023年6月25日發(fā)表在《Ophthalmology Science》雜志上

“這是一項特別令人興奮的工作，因為我們在以前的模型中無法區(qū)分輕度認(rèn)知障礙和正常認(rèn)知，”資深作者、杜克大學(xué)醫(yī)學(xué)院（Duke University School of Medicine）眼科和神經(jīng)內(nèi)科教授、外科副教授、醫(yī)學(xué)博士 Sharon Fekrat 說，“這項工作使我們更接近于在認(rèn)知障礙進(jìn)展為阿爾茨海默病失智癥之前檢測出它。”

Fekrat 和她的同事們之前開發(fā)了一個模型，利用視網(wǎng)膜掃描和其他數(shù)據(jù)成功地識別出已知患有阿爾茨海默病的患者。基于光學(xué)相干斷層掃描（OCT）和 OCT 血管成像（OCTA）的掃描檢測了阿爾茨海默病患者的神經(jīng)感覺視網(wǎng)膜及其微血管的結(jié)構(gòu)變化。

目前的研究擴(kuò)展了這一工作，使用機(jī)器學(xué)習(xí)技術(shù)來檢測輕度認(rèn)知障礙，這通常是阿爾茨海默病的前兆。新模型識別出 OCT 和 OCTA 圖像中的特定特征，這些特征標(biāo)志著認(rèn)知障礙的存在，以及患者數(shù)據(jù)（如年齡、性別、視力和教育年限）和圖像本身的定量數(shù)據(jù)。

研究人員報告說，該模型分析了視網(wǎng)膜圖片和圖像以及定量數(shù)據(jù)，以  79% 的靈敏度和 83% 的特異度將認(rèn)知正常的人與被診斷為輕度認(rèn)知障礙（MCI）的人區(qū)分開來。

“這是第一項使用視網(wǎng)膜 OCT 和 OCTA 圖像來區(qū)分輕度認(rèn)知障礙人群和認(rèn)知正常人群的研究，”共同第一作者、眼科助理教授、醫(yī)學(xué)博士 C. Ellis Wisely 說。

“有一種非侵入性和更便宜的方法來可靠地識別這些患者越來越重要，特別是在阿爾茨海默病的新療法即將出現(xiàn)的時候，” Wisely說。

“視網(wǎng)膜是大腦的窗口，利用非侵入性和經(jīng)濟(jì)有效的視網(wǎng)膜成像來評估神經(jīng)健康的機(jī)器學(xué)習(xí)算法可以成為大規(guī)模篩查患者的有效工具，”合著者 Alexander Richardson 說，他是杜克大學(xué)神經(jīng)退行性疾病實驗室眼多模態(tài)成像的學(xué)生。

創(chuàng)立于1925年的杜克大學(xué)醫(yī)學(xué)院

參考文獻(xiàn)

Source：Duke University Medical Center

Machine Learning Model Identifies Mild Cognitive Impairment from Retinal Scans

Reference：

C. Ellis Wisely et al, A convolutional neural network using multimodal retinal imaging for differentiation of mild cognitive impairment from normal cognition, Ophthalmology Science (2023). DOI: 10.1016/j.xops.2023.100355

免責(zé)聲明

本公眾號上的醫(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，請咨詢你的醫(yī)生。

       原文標(biāo)題 : 機(jī)器學(xué)習(xí)模型從視網(wǎng)膜掃描識別輕度認(rèn)知障礙