ニュース

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

新しい知恵のレポート

編集者: 楊喬

【新しい知恵の紹介】ケンブリッジ大学の研究では、人工知能を使用してアルツハイマー病の発症を正確に予測する機械学習モデルを構築し、その精度は臨床試験の結果をはるかに上回り、アルツハイマー病の早期介入への新たな道を切り開きました。

人工知能が分野に前例のないプラスの影響を与えることができるのであれば、「ヘルスケア」、特にさまざまな困難な病気の早期診断と治療が最も強力な候補の 1 つになるはずです。

アルツハイマー病もそのひとつです。

高齢化の進展に伴い、脳内に「消しゴム」が出現するような高齢者が増え、過去や近親者などの記憶が徐々に消去され、生活の質に深刻な影響を与えています。高齢者のグループ。

現在、世界中で5,500万人以上が認知症に苦しんでおり、毎年1,000万人近くが新たに認知症に罹患しています。

最も一般的なタイプの認知症はアルツハイマー病で、全症例の 60% ～ 70% を占めます。認知症患者の数は今後 50 年間で 3 倍近くに増加すると予想されています。

世界では、この病気により医療システムに 2019 年だけで 1 兆 3,000 億ドルのコストがかかりました。

アルツハイマー病に関しては、治療が最も効果的となる可能性があるため、早期発見が非常に重要です。

しかし、認知症の早期診断と予後は、陽電子放出断層撮影法 (PET) や腰椎穿刺 (すべての医療施設で利用できるわけではありません) などの侵襲的または高価な検査を使用しないと不正確になる可能性があります。

その結果、患者の最大 3 分の 1 が誤診される可能性があり、また、診断が遅すぎて効果的な治療を受けることができない患者もいる可能性があります。

さらに、この病気に罹患した人にとっては、うつ病や不安症を引き起こす可能性があります。周囲の無力で絶望的な親族は言うまでもなく、患者たちが徐々に記憶を失い、精神に異常をきたし、感情的に衰弱していくのを目撃しているにもかかわらず、彼らは無力です。

しかし、AI技術の発展により、この状況に光が当てられてきました。

ケンブリッジ大学心理学部の研究者らは、アルツハイマー病の進行予測において現在の臨床検査法を上回る新しい人工知能モデルを開発した。

研究チームは認知機能検査とMRIスキャンを利用して、軽度認知障害を持つ患者がアルツハイマー病を発症するかどうかを予測した。機械学習モデルは非侵襲的なデータを使用して、5 件中 4 件のアルツハイマー病の進行を正確に予測しました。

論文のアドレス: https://www.thelancet.com/action/showPdf?pii=S2589-5370%2824%2900304-3

研究結果は、雑誌「eClinical Medicine」（ランセット発行）にも掲載された。著者らは、人工知能の診断と治療を使用するテクノロジーにより、早期介入が可能になり、費用のかかる後からの診断手順への依存を軽減できると考えています。

アルツハイマー病の進行を正確に予測する

PPMモデル

研究チームは、米国の研究チームが集めた400人の患者を対象に、脳内の神経細胞の死である灰白質萎縮の認知検査とMRIスキャンを利用してモデルを構築した。

人工知能と臨床翻訳の間のギャップを埋めるために、この論文では、PPM モデル (予測予後モデル) に基づいた強力で解釈可能な臨床人工知能ツールを構築します。

このモデルは、二項分類法を超えて、疾患の初期段階にある個人 (軽度認知障害、MCI)、発症前の段階にある個人 (認知的に正常、CN)、および確認されたアルツハイマー病 (AD) を持つ個人を予測します。 。

PPM は、定期的に収集される多峰性データから将来の疾患の発症傾向を確実に予測するための軌跡モデリング手法を導入します。

また、研究コホートから実際の患者データへの一般化を含め、複数のタイプの患者データを使用することで、臨床での有用性と医療における導入の可能性を高めることができます。

PPM は、アンサンブル学習の GMLVQ フレームワークを採用しています。これにより、(単一のデータ タイプを考慮するのではなく) 複数のモダリティからのデータを組み合わせて、標準的な臨床マーカー (灰白質萎縮、認知機能低下など) や臨床マーカーよりも正確に早期の疾患変化を予測できます。アルツハイマー病の可能性を診断します。

マルチモーダル データの力を利用して、定期的に収集される非侵襲的で低コストのデータから予測を行います。このデータは、バイオマーカーほど感度は高くないかもしれませんが、より経済的にアクセスでき、非侵襲的に収集できます。

大規模モデルの早期予測に対するこの AI ガイドによるアプローチには、強力な可能性があります。

患者の健康状態を予測し、医療費を削減することで、侵襲的で高価な診断検査を受ける患者の数が減ります。

第二に、希少なリソースを最も必要とする人々に提供することで、医療リソースの配分効率を向上させることができます。

最後に、大規模なモデルを活用して診療所全体で診断を標準化することで、医療における不平等を軽減できる可能性があります。

サンプルデータの収集

このモデルは、米国からの 600 人以上の参加者のサンプルと、英国とシンガポールの診療所からの追加の 900 人のサンプルを使用してテストされました。

アルツハイマー病神経画像イニシアチブ (ADNI) 研究データ コホートからの 600 人の米国サンプルのデータが PPM トレーニングに使用されました。

追加の 900 サンプルが、2 つの独立したテスト データセット、NHS メモリー クリニック脳構造および機能脳の定量的 MRI (QMIN-MC) とシンガポール国立大学記憶老化認知センター データセット (MACC) としてサンプル外検証に使用されました。 。

これらのデータセットは患者の人口統計やデータ収集ツールが異なるため、さまざまな国や地域のグループに対する PPM モデルの互換性を同時にテストする実験が可能になります。

具体的には、ADNI の場合、健忘性 MCI およびアルツハイマー病に関連する特定の基準に基づいてサンプルが選択されました。

MRI データは、米国の MRI 収集サイトから収集されました。対照的に、QMIN-MC と MACC のデータは、それぞれ英国とシンガポールの代表的な神経学と精神医学の記憶サービスから収集されました。

したがって、これらの患者コホートは、多くの場合、募集研究コホート (ADNI) よりも臨床現場で遭遇する特定の患者プロファイルをより反映しています。

実験結果

テスト結果は、このアルゴリズムが軽度認知障害を持つ人々と、3 年以内にアルツハイマー病に進行する人々を区別できることを示しました。

また、認知機能検査と MRI スキャンのみを使用した場合、3 年以内にアルツハイマー病を発症する人々を 82% の精度で特定し、アルツハイマー病を発症しない人々の 81% を正確に特定しました。

さらに、病気の進行を追跡し、症例のさまざまな状況に応じて最適な治療方法を提供することもできます。

AI モデルにより、研究者らは各人の初診時のデータを使用して、アルツハイマー病患者を 3 つのグループに分けることもできました。症状が安定している患者 (約 50 パーセント)、症状がゆっくりと進行する患者 (約 35 パーセント)、症状の進行が遅い人（約 35 パーセント）、症状の進行がより早い人（約 15 パーセント）。

研究者らが6年間の追跡調査でデータを追跡したところ、これらの予測が裏付けられた。彼らは、アルツハイマー病の進行を予測する際、AI ソリューションは臨床診断よりも 3 倍正確であると考えています。

正確な事前予測は、病気になる可能性のある人を早期に特定するのに役立つと同時に、状態が急速に悪化する可能性があるため綿密な監視が必要な人を特定するのに役立つため重要です。

ケンブリッジ大学心理学部教授のゾーイ・クルツィ氏は、「認知症によってもたらされる増大する健康問題に取り組もうとするなら、早期発見と介入のためのより良いツールが必要になるだろう」と述べた。

「私たちのビジョンは、臨床医が罹患グループを早期に発見し、正しい治療法を使用できるようにするために、人工知能ツールの使用を拡大することです。医療リソースが大きなプレッシャーにさらされている現在、これは不必要な高価で有害な治療法を排除するのにも役立ちます。診断テストです。」

誤診を発見するためには早期の検査も重要で、記憶喪失などの症状があるものの症状は安定している人の場合、その症状は不安やうつ病など認知症以外の何かによって引き起こされている可能性があります。

CPFTの名誉顧問精神科医であり、ケンブリッジ大学精神科の助教授でもあるベン・アンダーウッド博士は、「年齢を重ねるにつれて、記憶障害は一般的になる。臨床的には、これが病気の最初の兆候であるかどうかを判断することは不可能である」と述べた。認知症になって患者さんに迷惑がかかるかもしれないので、たくさんの不安を抱えてお越しください。」

病状が安定している人々がアルツハイマー病に罹患していないと正確に識別できれば、患者の心理的プレッシャーも大幅に軽減されるでしょう。

クルツィ教授は、「AI モデルの良さは、トレーニングに使用されたデータによって決まります。私たちのモデルが医療現場に適用できる可能性を確実に持つために、私たちは研究コホートからのデータだけでなく、診療所からの患者データも使用しています。」トレーニングとテストにより、このモデルが臨床応用に向けて推進できることが示されました。」

研究チームは今後、モデルを血管性認知症や前頭側頭型認知症など他のタイプの認知症にも拡張し、血液検査のマーカーなどさまざまな種類のデータを使用したいと考えている。

この研究は、Wellcome、Alzheimer's Research UK、王立協会、国立保健医療研究所ケンブリッジ生物医学研究センターなどのさまざまな機関によって支援されました。

認知症の早期診断

AI 予測モデルの構築に加えて、ヨーロッパの大学はアルツハイマー病の問題を解決するために人工知能テクノロジーを積極的に活用しています。

EU Horizo​​n プログラムからの 1,400 万ユーロの支援を受けて、AI-Mind プロジェクトは認知症の早期診断を可能にする 2 つの人工知能ツールを開発しています。

AI-Mind は 2021 年に開始され、2026 年まで継続されます。そのパートナーには、フィンランドのアアルト大学、エストニアのタリン大学、オランダのラドバウド大学医療センターを含むヨーロッパの 7 つの大学が含まれています。

特に、脳の構造的欠陥がなく介入が可能な軽度認知障害（MCI）段階を対象としています。

この目標を達成するために、プロジェクトを支援する 13 社のパートナーが AI-Mind Connector と AI-Mind Predictor を構築しています。

コネクターは、EEG からの脳画像を分析して、認知症につながる可能性のある初期の兆候を検出します。

Predictor は、このデータを認知テストおよび血液分析と組み合わせて、95% 以上の精度で病気のリスクを推定します。

どちらのツールも、現在医療専門家が使用しているクラウド診断プラットフォームに統合される予定です。

このプロジェクトの最終目標は、2 ～ 5 年かかる診断時間を 1 週間に短縮するという野心的なものです。このようにして、MCI患者の無症状期間を延長することが期待されています。

タンパク質の塊を追跡する

認知症との闘いにおける AI のもう 1 つのユースケースは、体内のタンパク質の塊についての理解を深め、その病理を追跡することです。

私たちの体が適切に機能するために、細胞内のタンパク質と他の分子の間で何十億もの相互作用が発生します。

しかし、相互作用に問題が生じると、タンパク質が凝集して劣化し、アルツハイマー病などの神経疾患を引き起こす可能性があります。

コペンハーゲン大学の研究者らは、顕微鏡画像から10億分の1の大きさのタンパク質の塊を発見できるAIアルゴリズムを開発した。

このアルゴリズムは、塊を数え、形状とサイズで分類し、時間の経過とともにどのように変化するかを監視することもできます。

これは科学者がこれらの塊が形成される理由を理解し、新しい薬や治療法の発見につながる可能性があります。

研究チームによると、このツールは研究者にとって数週間かかるプロセスをわずか数分で自動化するという。

さらに、この機械学習アルゴリズムは、オープンソース モデルとしてインターネット上で無償で入手できます。

「世界中の研究者がこのツールを導入し始めると、さまざまな病気や生物学に関連する分子やタンパク質の構造の大規模なライブラリを作成するのに役立つでしょう」と研究の共著者であるニコス・ハトザキス氏は述べた。

参考文献:

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

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