Согласно исследованию, опубликованному в журнале Radiology, технология искусственного интеллекта (ИИ) улучшает возможности визуализации мозга для прогнозирования болезни Альцгеймера.
Своевременная диагностика болезни Альцгеймера чрезвычайно важна, поскольку лечение и вмешательства более эффективны на ранней стадии заболевания. Однако ранняя диагностика оказалась сложной задачей. Исследования связывают заболевание с изменениями метаболизма, о чем свидетельствует поглощение глюкозы в определенных областях мозга, но эти изменения бывает трудно распознать.
"Различия в характере поглощения глюкозы в головном мозге очень тонкие и разрозненные," сказал соавтор исследования Джэ Хо Сон, М.D., из радиологии & Отдел биомедицинской визуализации Калифорнийского университета в Сан-Франциско (UCSF). "Люди умеют находить конкретные биомаркеры болезней, но метаболические изменения представляют собой более глобальный и тонкий процесс."
Старший автор исследования Бенджамин Франк, М.D., из UCSF, обратился к доктору. Сон и Калифорнийский университет в Беркли, студентка Имин Дин через исследовательскую группу по большим данным в радиологии (BDRAD), многопрофильную группу врачей и инженеров, специализирующуюся на радиологических данных. Доктор. Фрэнк был заинтересован в применении глубокого обучения, типа ИИ, в котором машины учатся на примере во многом так же, как это делают люди, чтобы найти изменения в метаболизме мозга, позволяющие прогнозировать болезнь Альцгеймера.
Исследователи обучили алгоритм глубокого обучения на специальной технологии визуализации, известной как позитронно-эмиссионная томография 18-F-фтордезоксиглюкозы (FDG-PET). При сканировании FDG-PET в кровь вводят FDG, радиоактивное соединение глюкозы. Затем с помощью ПЭТ можно измерить поглощение ФДГ клетками мозга, индикатора метаболической активности.
У исследователей был доступ к данным Инициативы по нейровизуализации болезни Альцгеймера (ADNI), крупного многоцентрового исследования, посвященного клиническим испытаниям для улучшения профилактики и лечения этого заболевания. Набор данных ADNI включал более 2100 изображений головного мозга FDG-PET от 1002 пациентов. Исследователи обучили алгоритм глубокого обучения на 90 процентах набора данных, а затем протестировали его на оставшихся 10 процентах набора данных. Благодаря глубокому обучению алгоритм смог научиться метаболическим паттернам, соответствующим болезни Альцгеймера.
Наконец, исследователи протестировали алгоритм на независимом наборе из 40 исследований изображений 40 пациентов, которых они никогда не изучали. Алгоритм достиг 100-процентной чувствительности при обнаружении болезни в среднем более чем за шесть лет до постановки окончательного диагноза.
"Мы остались очень довольны работой алгоритма," Доктор. Сон сказал. "Он был в состоянии предсказать каждый случай развития болезни Альцгеймера."
Хотя он предупредил, что их независимый набор тестов был небольшим и нуждается в дальнейшей проверке с помощью более крупного проспективного исследования, проводимого несколькими учреждениями, д-р. Сон сказал, что алгоритм может быть полезным инструментом для дополнения работы радиологов, особенно в сочетании с другими биохимическими тестами и методами визуализации, предоставляя возможность для раннего терапевтического вмешательства.
"Если мы диагностируем болезнь Альцгеймера, когда проявляются все симптомы, потеря объема мозга настолько значительна, что уже слишком поздно вмешиваться," он сказал. "Если мы сможем обнаружить это раньше, у исследователей появится возможность найти более эффективные способы замедлить или даже остановить процесс болезни."
Направления будущих исследований включают обучение алгоритму глубокого обучения для поиска закономерностей, связанных с накоплением бета-амилоидных и тау-белков, аномальных белковых скоплений и клубков в мозге, которые являются маркерами, специфичными для болезни Альцгеймера, по словам Юнхо Сео из UCSF, Ph.D., который служил одним из консультантов факультета исследования.
"Если FDG-PET с AI может предсказать болезнь Альцгеймера на этой ранней стадии, то ПЭТ-визуализация бета-амилоидных бляшек и тау-белка, возможно, может добавить еще одно измерение с важной прогностической силой," он сказал.