notizia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Nuovo rapporto sulla saggezza

Editore: Er Qiao Yang

[Introduzione alla Nuova Saggezza]La ricerca dell'Università di Cambridge utilizza l'intelligenza artificiale per costruire un modello di apprendimento automatico per prevedere con precisione lo sviluppo della malattia di Alzheimer. La precisione supera di gran lunga i risultati dei test clinici, aprendo una nuova strada per l'intervento precoce della malattia.

Se l’intelligenza artificiale può avere un impatto positivo senza precedenti in un campo, l’“assistenza sanitaria” deve essere uno dei candidati più potenti, in particolare la diagnosi precoce e il trattamento di varie malattie difficili.

La malattia di Alzheimer è una di queste.

Con l'avanzare dell'invecchiamento della popolazione, sempre più anziani sono come una "gomma da cancellare" che appare nei loro cervelli e i loro ricordi vengono gradualmente cancellati, compresi quelli del passato e quelli dei loro familiari più stretti. Ciò ha gravemente compromesso la qualità della vita delle persone gruppo anziani.

Attualmente, più di 55 milioni di persone nel mondo soffrono di demenza, con quasi 10 milioni di nuovi casi ogni anno.

Il tipo più comune di demenza è il morbo di Alzheimer, che rappresenta il 60%-70% di tutti i casi. Si prevede che il numero di pazienti affetti da demenza quasi triplicherà nei prossimi 50 anni.

A livello globale, la malattia è costata ai sistemi sanitari 1,3 trilioni di dollari solo nel 2019.

Quando si tratta della malattia di Alzheimer, la diagnosi precoce è fondamentale perché è allora che il trattamento può essere più efficace.

Tuttavia, la diagnosi precoce e la prognosi della demenza possono essere imprecise senza l’uso di test invasivi o costosi come la tomografia a emissione di positroni (PET) o la puntura lombare (che non sono disponibili in tutte le strutture mediche).

Di conseguenza, fino a un terzo dei pazienti potrebbe ricevere una diagnosi errata, mentre ad altri potrebbe essere diagnosticata troppo tardi per ricevere un trattamento efficace.

Inoltre, per le persone colpite, avere la malattia può scatenare depressione e ansia. Per non parlare dei parenti indifesi e disperati intorno a loro, che hanno visto i pazienti perdere gradualmente la memoria, diventare mentalmente disturbati e sperimentare un esaurimento emotivo, ma sono impotenti.

Tuttavia, lo sviluppo della tecnologia AI ha fatto luce su questa situazione.

I ricercatori del Dipartimento di Psicologia dell'Università di Cambridge hanno sviluppato un nuovo modello di intelligenza artificiale che supera gli attuali metodi di test clinici nel prevedere la progressione della malattia di Alzheimer.

Il gruppo di ricerca ha utilizzato test cognitivi e scansioni MRI per prevedere se i pazienti con lieve deterioramento cognitivo avrebbero sviluppato la malattia di Alzheimer. I modelli di apprendimento automatico hanno utilizzato dati non invasivi per prevedere con precisione la progressione della malattia di Alzheimer in quattro casi su cinque.

Indirizzo del documento: https://www.thelancet.com/action/showPdf?pii=S2589-5370%2824%2900304-3

I risultati della ricerca sono stati pubblicati anche sulla rivista eClinical Medicine (pubblicata da The Lancet). Gli autori ritengono che la tecnologia che utilizza la diagnosi e il trattamento dell’intelligenza artificiale possa fornire un intervento precoce e ridurre la dipendenza da costose procedure diagnostiche successive.

Prevedere con precisione la progressione della malattia di Alzheimer

Modello PPM

Il team ha costruito il modello utilizzando test cognitivi e scansioni MRI dell’atrofia della materia grigia, la morte delle cellule nervose nel cervello, in 400 pazienti raccolti da un gruppo di ricerca statunitense.

Al fine di colmare il divario tra intelligenza artificiale e traduzione clinica, il documento costruisce uno strumento di intelligenza artificiale clinica potente e interpretabile basato sul modello PPM (modello prognostico predittivo).

Il modello va oltre i metodi di classificazione binaria per prevedere gli individui nelle prime fasi della malattia (decadimento cognitivo lieve, MCI), quelli nella fase pre-sintomatica (cognitivamente normale, CN) e quelli con malattia di Alzheimer confermata (AD). .

PPM introduce metodi di modellazione della traiettoria per prevedere in modo affidabile le tendenze future dello sviluppo della malattia a partire dai dati multimodali raccolti regolarmente.

Inoltre, l’utilizzo di più tipi di dati dei pazienti, inclusa la generalizzazione da gruppi di ricerca a dati dei pazienti nel mondo reale, può migliorare l’utilità clinica e il potenziale di adozione nel settore sanitario.

Il PPM adotta la struttura GMLVQ dell'apprendimento d'insieme, che è in grado di combinare dati provenienti da più modalità (invece di considerare un singolo tipo di dati) per prevedere in modo più accurato la trasformazione precoce della malattia rispetto ai marcatori clinici standard (ad esempio, atrofia della materia grigia, declino cognitivo) o parametri clinici. diagnosi. per la probabilità della malattia di Alzheimer.

Sfruttare la potenza dei dati multimodali per fare previsioni a partire da dati non invasivi e a basso costo raccolti regolarmente che potrebbero non essere sensibili come i biomarcatori ma che sono più accessibili dal punto di vista economico e non invasivi da raccogliere.

Questo approccio guidato dall’intelligenza artificiale per la previsione precoce di modelli di grandi dimensioni ha un potente potenziale:

Predicendo la salute dei pazienti e riducendo i costi sanitari, meno pazienti saranno sottoposti a test diagnostici invasivi e costosi;

In secondo luogo, fornire risorse scarse a coloro che ne hanno più bisogno può migliorare l’efficienza dell’allocazione delle risorse mediche;

Infine, sfruttare modelli di grandi dimensioni per standardizzare la diagnosi tra le cliniche potrebbe ridurre le disuguaglianze nell’assistenza sanitaria.

Raccolta dati campione

Il modello è stato testato utilizzando un campione di oltre 600 partecipanti provenienti dagli Stati Uniti e altri 900 campioni provenienti da cliniche nel Regno Unito e Singapore.

Per la formazione PPM sono stati utilizzati i dati su un campione statunitense di 600 persone provenienti dalla coorte di dati dello studio Alzheimer's Disease Neuroimaging Initiative (ADNI).

Sono stati utilizzati 900 campioni aggiuntivi per la validazione fuori campione come due set di dati di test indipendenti, il set di dati NHS Memory Clinic Quantitative MRI of Brain Structural and Functional Brain (QMIN-MC) e il set di dati del Memory Aging and Cognition Center (MACC) dell'Università Nazionale di Singapore. .

Questi set di dati differiscono nei dati demografici dei pazienti e negli strumenti di raccolta dati, consentendo agli esperimenti di testare simultaneamente la compatibilità del modello PPM con diversi gruppi nazionali e regionali.

Nello specifico, per l'ADNI, i campioni sono stati selezionati in base a criteri specifici relativi al MCI amnesico e alla malattia di Alzheimer.

I dati MRI sono stati raccolti da siti di raccolta MRI negli Stati Uniti. Al contrario, i dati QMIN-MC e MACC sono stati raccolti da servizi rappresentativi di neurologia e memoria psichiatrica rispettivamente nel Regno Unito e Singapore.

Pertanto, queste coorti di pazienti spesso riflettono maggiormente i profili specifici dei pazienti incontrati nella pratica clinica rispetto alla coorte di studio reclutata (ADNI).

Risultati sperimentali

I risultati dei test hanno mostrato che l'algoritmo è in grado di distinguere tra le persone con lieve deterioramento cognitivo e quelle che potrebbero progredire verso la malattia di Alzheimer entro tre anni.

E, utilizzando solo test cognitivi e scansioni MRI, è stato accurato all'82% nell'identificare le persone che avrebbero sviluppato la malattia di Alzheimer entro tre anni e ha identificato correttamente l'81% delle persone che non avrebbero sviluppato la malattia.

Inoltre, può anche monitorare la progressione della malattia e fornire il metodo di trattamento più appropriato a seconda delle diverse circostanze del caso.

Il modello di intelligenza artificiale ha inoltre consentito ai ricercatori di utilizzare i dati della prima visita medica di ogni persona per dividere i pazienti con Alzheimer in tre gruppi: quelli i cui sintomi sono rimasti stabili (circa il 50%), quelli i cui sintomi sono progrediti lentamente (circa il 35%) e quelli i cui sintomi progredivano lentamente (circa il 35%). Persone i cui sintomi si sviluppavano più rapidamente (circa il 15%).

Queste previsioni sono state confermate quando i ricercatori hanno monitorato i dati per 6 anni di follow-up. Ritengono che la soluzione basata sull'intelligenza artificiale sia tre volte più accurata della diagnosi clinica nel prevedere la progressione della malattia di Alzheimer.

Una previsione anticipata accurata è importante perché può aiutare a identificare le persone che potrebbero ammalarsi in una fase precoce, identificando anche coloro che necessitano di un attento monitoraggio perché le loro condizioni potrebbero peggiorare rapidamente.

"Se vogliamo affrontare la crescente sfida sanitaria posta dalla demenza, avremo bisogno di strumenti migliori per l'identificazione e l'intervento precoce", ha affermato Zoe Kourtzi, professoressa presso il Dipartimento di Psicologia dell'Università di Cambridge.

"La nostra visione è quella di espandere l'uso di strumenti di intelligenza artificiale per aiutare i medici a individuare precocemente i gruppi malati e a utilizzare i metodi di trattamento corretti. In un momento in cui le risorse mediche sono sotto enorme pressione, ciò aiuterà anche a eliminare i costi inutili e dannosi. Creare la necessità di test diagnostici”.

I test precoci sono importanti anche per individuare diagnosi errate e, nelle persone che presentano sintomi come perdita di memoria ma rimangono stabili, i loro sintomi possono essere causati da qualcosa di diverso dalla demenza, come ansia o depressione.

Il dottor Ben Underwood, consulente psichiatra onorario presso il CPFT e professore assistente presso il Dipartimento di Psichiatria dell'Università di Cambridge, ha dichiarato: "I problemi di memoria sono comuni con l'avanzare dell'età. Clinicamente, è impossibile determinare se questo è il primo segno di demenza e causerà problemi ai pazienti.

Se le persone con condizioni stabili potessero essere identificate con precisione come non affette dal morbo di Alzheimer, ciò ridurrebbe notevolmente anche la pressione psicologica dei pazienti.

Il professor Kourtzi ha affermato: "I modelli di intelligenza artificiale sono validi tanto quanto i dati su cui sono formati. Per garantire che i nostri modelli abbiano il potenziale per essere applicati in contesti sanitari, non utilizziamo solo dati provenienti da coorti di ricerca, ma anche dati di pazienti provenienti da cliniche, formandolo e testandolo, il che dimostra che il modello può essere promosso per l'applicazione clinica."

In futuro, il gruppo di ricerca spera di estendere il proprio modello ad altri tipi di demenza, come la demenza vascolare e la demenza frontotemporale, e di utilizzare diversi tipi di dati, come i marcatori negli esami del sangue.

La ricerca è stata sostenuta da varie istituzioni tra cui Wellcome, Alzheimer's Research UK, Royal Society e National Institute for Health and Care Cambridge Biomedical Research Centre.

Diagnosi precoce della demenza

Oltre a costruire modelli di previsione dell'intelligenza artificiale, le università europee stanno utilizzando attivamente la tecnologia dell'intelligenza artificiale per risolvere il problema del morbo di Alzheimer.

Con il sostegno di 14 milioni di euro del programma Horizon dell’UE, il progetto AI-Mind sta sviluppando due strumenti di intelligenza artificiale che potrebbero consentire la diagnosi precoce della demenza.

AI-Mind verrà lanciato nel 2021 e continuerà fino al 2026. Tra i suoi partner figurano sette università europee, tra cui l'Università di Aalto in Finlandia, l'Università di Tallinn in Estonia e il Radboud University Medical Center nei Paesi Bassi.

Si rivolge specificamente allo stadio di deterioramento cognitivo lieve (MCI), in cui non sono presenti difetti strutturali del cervello ed è ancora possibile l’intervento.

Per raggiungere questo obiettivo, i 13 partner del progetto stanno costruendo AI-Mind Connector e AI-Mind Predictor.

Il connettore analizza le immagini cerebrali dell'EEG per rilevare i primi segni che potrebbero portare alla demenza.

Predictor combina questi dati con test cognitivi e analisi del sangue per stimare il rischio della malattia con una precisione superiore al 95%.

Entrambi gli strumenti saranno integrati nelle piattaforme diagnostiche cloud attualmente utilizzate dai professionisti medici.

L'obiettivo finale del progetto è ambizioso: ridurre il tempo di diagnosi da 2-5 anni a 1 settimana. In questo modo, si spera di prolungare il periodo asintomatico dei pazienti con MCI.

Tieni traccia dei grumi proteici

Un altro caso d’uso dell’intelligenza artificiale nella lotta contro la demenza è il miglioramento della nostra comprensione degli aggregati proteici nel corpo e il monitoraggio della loro patologia.

Affinché il nostro corpo funzioni correttamente, si verificano miliardi di interazioni tra le proteine ​​e altre molecole all’interno delle cellule.

Ma quando l'interazione va storta, le proteine ​​possono aggregarsi in grumi e deteriorarsi, portando a malattie neurologiche come l'Alzheimer.

I ricercatori dell’Università di Copenaghen hanno sviluppato un algoritmo di intelligenza artificiale in grado di individuare grumi di proteine ​​di dimensioni pari a un miliardesimo nelle immagini al microscopio.

L’algoritmo può anche contare i grumi, classificarli per forma e dimensione e monitorare come cambiano nel tempo.

Ciò potrebbe aiutare gli scienziati a capire perché si formano questi grumi, portando alla scoperta di nuovi farmaci e trattamenti.

Secondo il team, lo strumento automatizza un processo che ai ricercatori richiederebbe settimane per essere completato in pochi minuti.

Inoltre, questo algoritmo di apprendimento automatico è disponibile gratuitamente su Internet come modello open source.

"Quando i ricercatori di tutto il mondo inizieranno a utilizzare questo strumento, esso contribuirà a creare un'ampia libreria di strutture molecolari e proteiche rilevanti per una varietà di malattie e biologia", ha affermato Nikos Hatzakis, coautore dello studio.

Riferimenti:

https://www.medicaldevice-network.com/news/university-of-cambridge-ai-model-alzheimers/

https://thenextweb.com/news/europe-universities-using-ai-battle-demenza