根据发表在《放射学》杂志上的一项研究，人工智能技术提高了大脑成像预测阿尔茨海默病的能力。
及时诊断阿尔茨海默病非常重要，因为治疗和干预措施在疾病早期更有效。然而，早期诊断被证明具有挑战性。研究将疾病过程与代谢变化联系起来，例如大脑某些区域的葡萄糖摄取，但这些变化可能很难识别。该研究的合著者、加州大学旧金山分校(UCSF)放射学和生物医学成像系的Jae Ho Sohn博士说：“大脑中葡萄糖摄取模式的差异非常细微且分散。“人们善于发现疾病的特定生物标志物，但代谢变化代表着一个更为全球性和微妙的过程。”
这项研究的资深作者、来自美国加州大学旧金山分校的医学博士本杰明弗兰克(Benjamin Franc)通过放射学大数据研究小组联系了加州大学伯克利分校的本科生Sohn博士和丁，这是一个由专注于放射学的医学和工程专业人士组成的多学科团队。数据科学。弗兰克博士对应用深度学习很感兴趣，深度学习是一种人工智能，在这种智能中，机器通过像人类这样的例子来学习，以发现和预测阿尔茨海默病中大脑代谢的变化。研究人员使用一种叫做18-氟脱氧葡萄糖正电子发射断层扫描(FDG-正电子发射断层扫描)的特殊成像技术来训练深度学习算法。在FDG正电子发射断层扫描中，放射性葡萄糖化合物FDG被注入血液。然后，PET扫描可以测量脑细胞的FDG摄取，这是代谢活动的指标。
研究人员从阿尔茨海默氏病(ADNI)神经成像倡议获得数据，这是一项主要的多地点研究，重点是临床试验，以改善这种疾病的预防和治疗。ADNI数据集包括来自1002名患者的2100多张FDG正电子发射断层扫描脑图像。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%的数据集上进行测试。通过深度学习，算法可以自学阿尔茨海默病对应的代谢模式。
最后，研究人员在一组来自40名从未接受过研究的患者的40项独立影像检查中测试了该算法。当疾病在最终诊断前平均检测超过六年时，该算法达到100%的灵敏度。“我们对算法的性能非常满意，”Sohn博士说。“它可以预测每一个发展成老年痴呆症的病例。”尽管他警告说，他们的独立测试集非常小，需要通过更大规模的多机构前瞻性研究进一步验证，但Sohn博士说，该算法可以成为一个有用的工具，以补充放射科医生的工作——特别是与其他生化和成像测试——并为早期治疗干预提供机会。他说：“如果我们在所有症状都出现的时候诊断出阿尔茨海默病，那么大脑体积就会减少到无法干预的程度。“如果我们能更早发现，研究人员将有机会找到更好的方法来减缓甚至阻止疾病进程。”
加州大学旧金山分校的Youngho Seo博士认为，未来的研究方向包括训练深度学习算法，寻找与-淀粉样蛋白和tau蛋白积累相关的模式。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志。担任本研究的指导顾问之一。“如果早期使用FDG-PET结合人工授精可以预测阿尔茨海默病，那么淀粉样斑块和tau蛋白PET的成像可能会增加另一个重要的预测能力，”他说。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！