人工智能方法可能帮助检测阿尔茨海默病从日常大脑成像测试

尽管调查人员在检测方面取得了显著进步的迹象,阿尔茨海默病使用高质量的大脑成像测试收集作为研究的一部分,一个团队在马萨诸塞州总医院(MGH)最近开发了一个准确的检测方法,依靠定期收集临床大脑图像。进步可能导致更准确的诊断。

在这项研究中,这是发表在《公共科学图书馆•综合》马修登月舱,博士,研究员MGH中心的系统生物学和马萨诸塞州阿尔茨海默病研究中心的研究员,和他的同事使用深学习——一个类型的机器学习和人工智能,使用大量的数据和复杂的算法来训练模型。

在这种情况下,科学家们开发了一个模型用于阿尔茨海默病检测基于数据从脑部磁共振图像(核磁共振成像)收集从没有阿尔茨海默氏症患者被认为在2019年之前在MGH。

接下来,该集团测试模型在五个datasets-MGH 2019后,布莱根妇女医院和2019年之后,和外部系统和2019后是否可以准确检测老年痴呆症基于真实临床数据,无论医院和时间。

总的来说,这项研究涉及2348名患者的11103张照片阿尔茨海默氏症的风险,8456名患者的26892张照片没有阿尔茨海默氏症。在所有五个数据集,模型检测到阿尔茨海默氏症的风险预测的准确率为90.2%。

之间的主要创新工作的能力检测老年痴呆症不管其他变量,如年龄。“阿尔茨海默氏症通常发生在老年人,所以深度学习模型往往难以检测罕见的早发性情况下,”登月舱说。“我们通过深度学习的模型解决了这个问题“盲目”大脑的功能,它发现过度与病人的年龄上市。”

登月舱在疾病检测指出,另一个常见的挑战,特别是在真实生活环境,处理数据,从训练集是非常不同的。例如,一个深学习模型训练的核磁共振成像扫描仪由通用电气可能无法识别收集的核磁共振成像扫描仪由西门子制造。

模型使用了一个不确定性度量来确定病人数据过于不同于它对准了它可以使一个成功的预测。

“这是唯一的研究,定期收集大脑核磁共振成像用于尝试检测痴呆。而大量的深度学习研究阿尔茨海默氏症进行了从大脑核磁共振成像检测,本研究取得了实质性步骤实际执行这个在实际临床设置与完美的实验室设置,”登月舱说。“我们的结果与跨站点,穿越时间,cross-population generalizability-make强有力的临床诊断技术的使用。”

其他合作者包括Sudeshna Das博士,Hyungsoon Im,博士学位。

这项工作是由美国国立卫生研究院和支持技术创新项目资助的贸易、工业和能源、韩国,通过分包MGH管理。

参考:登月舱M, Das, Im h .敌对的混淆回归和分类不确定性测量异构临床磁共振成像质量一般的布里格姆。Nagwanshi KK,艾德。《公共科学图书馆•综合》。2023;18 (3):e0277572。doi:10.1371 / journal.pone.0277572

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。