Choroba Alzheimera - można ją przewidzieć z prawie 100-procentową dokładnością

Sztuczna inteligencja znacznie przyspiesza analizę danych, uzyskanych dzięki neuroobrazowaniu mózgu. A szybkie wykrycie pierwszych zmian wskazujących na chorobę Alzheimera to szansa na spowalnianie choroby. Nowo opracowany model nie zastąpi lekarza w diagnozie, ale może okazać się niezwykle pomocny.

Jedną z pierwszych oznak choroby Alzheimera są łagodne zaburzenia poznawcze. Obecnie istnieje kilka technik pozwalających na w miarę wczesne zdiagnozowanie pierwszych oznak choroby. Wykorzystuje się takie metody jak neuroobrazowanie (np. rezonans magnetyczny), analiza zachowań i emocji oraz testy poznawcze.

Jak podaje Światowa Organizacja Zdrowia (WHO) choroba Alzheimera odpowiada za około 70 procent przypadków demencji na świecie, stając się tym samym jednym z największych zagrożeń dla starzejących się społeczeństw. Obecnie na alzheimera cierpi około 24 mln ludzi. Szacuje się, że ta liczba będzie się podwajać co 20 lat. Dlatego też naukowcy wciąż poszukują szybkich i niezawodnych metod diagnozowania alzheimera na możliwie najwcześniejszym etapie. Daje to bowiem pacjentom szansę na leczenie spowalniające postępy choroby.

Sztuczna inteligencja pomaga lekarzom w diagnozie

Prace nad metodami wczesnego diagnozowania choroby Alzheimera prowadzone na Uniwersytecie Technicznym w Kownie (Litwa), doprowadziły do powstania algorytmu, który w istotny sposób może wspierać lekarzy. Naukowcy wykorzystali tutaj tzw. funkcjonalny rezonans magnetyczny (fMRI - functional magnetic rezonance imaging). Tego typu neuroobrazowanie służy do poszukiwania subtelnych zmian w mózgu, które mogą wskazywać na rozwijającą się chorobę. W szybkiej i dokładnej analizie danych pochodzących z fMRI pomogła sztuczna inteligencja.

Zobacz wideo Zrozumieć Alzheimera - zobacz fragment filmu z eksperymentu

- Ręczna analiza obrazów fMRI, mająca na celu zidentyfikowanie zmian w mózgu związanych na przykład z chorobą Alzheimera, wymaga nie tylko konkretnej wiedzy, ale jest czasochłonna. Dlatego wykorzystanie w tym celu tzw. głębokiego uczenia i innych metod sztucznej inteligencji, może znacznie przyspieszyć diagnozę - informuje uczelnia w komunikacie prasowym.

Naukowcy zaproponowali model oparty na głębokim uczeniu się, który pozwala wykryć wczesne stadia zmian czynnościowych w mózgu na podstawie danych uzyskanych dzięki fMRI. Wykorzystali przy tym zmodyfikowaną sieć ResNet18 (rezydualna sieć neuronowa), którą "załadowali" skanami mózgu, pochodzącymi od 138 osób. Do szkolenia i walidacji wybrano dziesiątki tysięcy obrazów z zestawu danych fMRI The Alzheimer's Disease Neuroimaging Initiative.

Model okazał się niezwykle skuteczny. Algorytm prawidłowo zidentyfikował około 99,9 proc. przypadków wczesnego alzheimera. - Chociaż nie była to pierwsza próba zdiagnozowania początków choroby na podstawie podobnych danych, nasz sukces opiera się na dokładności algorytmu - mówi prof. Rytis Maskeli, jeden z twórców algorytmu.

Naukowiec podkreśla przy tym, że algorytm nie zastąpi lekarza, ale ma za zadanie wspierać go podczas diagnozowania pacjenta. Model służy przede wszystkim do szybkiego, dokładnego wyszukiwania i sortowania danych. Dzięki temu lekarz zyskuje czas i może zwrócić baczniejszą uwagę na subtelne zmiany w mózgu świadczące o rozwijającej się już chorobie. Ponadto jest szansa, że na bazie tego modelu powstanie oprogramowanie do wspierania procesu diagnozowania choroby Alzheimera, które wykorzystuje dodatkowo inne dane, takie jak analiza głosu, czytanie twarzy, ruchy gałek ocznych itp.

Artykuł opisujący algorytm ukazał się na łamach czasopisma "Diagnostics".

Źródła: MedicalXPress.com, Diagnostics

Więcej o: