人工智能在确诊前就能预测老年痴呆症

该期刊发表的一项研究称，人工智能(AI)技术提高了大脑成像预测阿尔茨海默氏症的能力放射学。

对阿尔茨海默氏症的及时诊断是极其重要的，因为在疾病的早期治疗和干预更有效。然而，早期诊断被证明是具有挑战性的。研究表明，疾病过程与新陈代谢的变化有关葡萄糖的吸收在某些地区大脑，但这些变化可能很难识别。

“大脑中葡萄糖摄取模式的差异是非常微妙和弥散的，”该研究的合著者Jae Ho Sohn医学博士说，他来自旧金山加利福尼亚大学(UCSF)放射学和生物医学影像学系。“人们擅长发现特定的疾病生物标记物，但代谢变化代表了一个更全面、更微妙的过程。”

该研究的资深作者，来自UCSF的Benjamin Franc医学博士，通过放射学大数据(BDRAD)研究组联系了Sohn博士和加州大学伯克利分校的本科生Ding Yiming。BDRAD是一个由医生和工程师组成的多学科团队，专注于放射数据科学。弗兰克博士感兴趣的是应用深度学习(deep learning)来发现预测阿尔茨海默氏症(Alzheimer’s disease)的大脑代谢变化。深度学习是一种人工智能，机器可以像人类一样通过实例进行学习。

研究人员训练了深入学习算法一种特殊的成像技术被称为18-氟脱氧葡萄糖正电子发射断层扫描(FDG-PET)。在FDG- pet扫描中，一种放射性葡萄糖化合物FDG被注射到血液中。PET扫描可以测量脑细胞中FDG的摄入量，这是一种代谢活动的指标。

研究人员获得了阿尔茨海默氏病神经成像计划(ADNI)的数据，这是一项主要的多地点研究，专注于临床试验，以改善该疾病的预防和治疗。ADNI数据集包括来自1002名患者的2100多张FDG-PET大脑图像。研究人员在90%的数据集上训练深度学习算法，然后在剩下的10%的数据集上测试它。通过深度学习，该算法能够教授自己与阿尔茨海默病相关的代谢模式。

最后，研究人员在40名患者的独立40次成像考试中测试了该算法，从未研究过的40名患者。该算法在最终诊断前平均超过六年的疾病达到100％敏感性。

“我们对算法的表现非常满意，”孙文说。“它能够预测每一个发展为阿尔茨海默氏症的病例。”

尽管他警告说，他们的独立测试集很小，还需要一个更大的多机构前瞻性研究来进一步验证，Sohn博士说，该算法可以成为一个有用的工具，以补充放射学家的工作，特别是与其他生化和成像测试相结合，为早期治疗干预提供机会。

“如果我们诊断阿尔茨海默病的疾病，所有症状表现出来，大脑体积损失是如此重要的是，干预为时已晚，”他说。“如果我们可以早先检测到它，那是调查人员可能找到更好的速度方式甚至停止疾病过程的机会。”

未来的研究方向包括培训深度学习算法寻找与β -淀粉样蛋白和tau蛋白的积累相关的模式，大脑中异常的蛋白质团块和缠结是阿尔茨海默病的特异性标记，UCSF的Youngho Seo博士，他是这项研究的教师顾问之一。

“如果人工智能的FDG-PET能在这么早的时候预测阿尔茨海默病，β -淀粉样斑块和tau蛋白PET成像可能会增加另一个重要的预测能力，”他说。

---

---