人工智能可在診斷前六年預測阿爾茨海默氏病

研究人員在11月6日的《放射學》雜志上報道說，使用來自1,000多名阿爾茨海默氏病(AD)患者的影像數據開發(fā)的深度學習算法，可以在醫(yī)生最終確定診斷結果的六年后準確預測AD的存在。

加利福尼亞大學舊金山分校的資深作者本杰明·弗朗克(Benjamin L. Franc)醫(yī)學博士及其同事在該雜志上寫道，雖然全球公認的是，及時診斷與阿爾茨海默氏病患者的預后有關，但是醫(yī)生幾乎沒有早期發(fā)現(xiàn)疾病的工具。 。但是，在過去的十年中，人工智能迅速崛起，并具有通過單擊按鈕來處理大量成像數據的能力。

Franc等人說：“人們廣泛認識到，深度學習可能有助于解決日益增加的復雜性和成像數據量，以及受過訓練的成像醫(yī)師的不同專長。”說過。“盡管已經開發(fā)和驗證了整合到臨床流程中的能力，但人們已經做出了巨大的努力，將深度學習應用于許多疾病和影像類型，例如，通過乳腺X光檢查進行乳腺癌檢測，通過CT進行肺結節(jié)檢測以及通過放射照相進行髖部骨關節(jié)炎分類。

“機器學習技術在復雜的發(fā)現(xiàn)模式中的應用，例如在大腦功能性PET成像中發(fā)現(xiàn)的模式，才剛剛開始探索。”

Franc的UCSF團隊和加利福尼亞大學伯克利分校的研究人員訓練了一種AI算法，該算法使用了2109個獨立的氟18-氟脫氧葡萄糖(F-FDG)PET研究數據庫來預測AD的發(fā)病，該研究在2005年至2017年之間登錄了阿爾茨海默氏病神經成像計劃該算法使用了90%的數據集進行了訓練，并在剩余的10%上進行了測試。

研究人員還運行了一個獨立的測試集，其中包括40位來自該算法從未研究過的患者的F-FDG PET檢查。在該分析中，在對AD進行最終診斷之前，該工具平均75.8個月(6.3年)達到了82%的特異性和100%的敏感性。

“此外，在預測獨立測試裝置上AD的最終診斷時，它在接收器工作特性空間中的表現(xiàn)優(yōu)于三臺放射學閱讀器，具有統(tǒng)計學意義，” Franc等人。寫道。“通過對更大，更多樣化的數據集進行進一步的驗證，該算法可能能夠增強放射科醫(yī)生閱讀器的性能并改善對AD診斷的預測，從而為早期干預提供機會。”

研究小組表示，他們的研究結果將有助于在所有癥狀出現(xiàn)之前識別出阿爾茨海默氏癥，從而導致大腦容量的損失如此之大，以至于無法干預。他們說，他們下一步計劃訓練深度學習算法，以識別AD特有的其他生物標志物，例如β-淀粉樣蛋白和tau蛋白的積累，異常的蛋白團塊和大腦中的“纏結”。

Franc及其同事目前表示，他們的新方法可以與其他生化和影像學檢查結合使用，以對阿爾茨海默氏病患者進行早期治療干預。

“隨著對多機構數據和模型校準的進一步大規(guī)模外部驗證，該算法可以集成到臨床工作流程中，并作為重要的決策支持工具，以幫助放射學讀者和臨床醫(yī)生從F-FDG PET中早期預測AD成像研究”，他們寫道。