소식

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

새로운 지혜 보고서

편집자: 얼 차오 양(Er Qiao Yang)

[새로운 지혜 소개]케임브리지 대학의 연구에서는 인공 지능을 사용하여 알츠하이머병 발병을 정확하게 예측하는 기계 학습 모델을 구축했으며, 정확도는 임상 테스트 결과를 훨씬 뛰어넘어 알츠하이머병 조기 개입을 위한 새로운 길을 열었습니다.

인공지능이 한 분야에서 전례 없는 긍정적인 영향을 미칠 수 있다면, '헬스케어'는 가장 강력한 후보 중 하나임에 틀림없으며, 특히 다양한 난치병의 조기 진단과 치료는 더욱 그렇습니다.

알츠하이머병도 그 중 하나입니다.

인구의 고령화가 진행됨에 따라 점점 더 많은 노인들이 뇌 속에 '지우개'처럼 나타나 과거와 가장 가까운 가족을 포함한 기억이 점차 지워지고 있으며, 이는 삶의 질에 심각한 영향을 미치고 있습니다. 노인 그룹.

현재 전 세계적으로 5,500만 명 이상의 사람들이 치매를 앓고 있으며, 매년 거의 1,000만 건에 달하는 새로운 치매 환자가 발생하고 있습니다.

가장 흔한 유형의 치매는 알츠하이머병으로 전체 사례의 60~70%를 차지합니다. 치매 환자의 수는 향후 50년 안에 거의 3배로 늘어날 것으로 예상됩니다.

전 세계적으로 이 질병으로 인해 2019년에만 의료 시스템에 1조 3천억 달러의 비용이 발생했습니다.

알츠하이머병의 경우, 조기 발견이 매우 중요합니다. 왜냐하면 그때가 치료가 가장 효과적일 수 있기 때문입니다.

그러나 양전자방출단층촬영(PET)이나 요추 천자(일부 의료 시설에서는 이용할 수 없음)와 같은 침습적이거나 비용이 많이 드는 검사를 사용하지 않으면 치매의 조기 진단 및 예후가 부정확할 수 있습니다.

결과적으로, 환자의 최대 3분의 1은 오진될 수 있고, 다른 환자들은 효과적인 치료를 받기에는 너무 늦게 진단될 수 있습니다.

또한, 이 질병에 걸린 사람들은 우울증과 불안을 유발할 수 있습니다. 환자들이 점차 기억을 잃고 정신적 혼란을 겪고 정서적 붕괴를 겪는 것을 목격한 주변의 무기력하고 절박한 친척들은 말할 것도 없고 무력하다.

그러나 AI 기술의 발전으로 이러한 상황이 어느 정도 밝혀졌습니다.

케임브리지 대학교 심리학과의 연구원들은 알츠하이머병의 진행을 예측하는 데 있어 현재의 임상 테스트 방법을 능가하는 새로운 인공 지능 모델을 개발했습니다.

연구팀은 경도인지장애 환자가 알츠하이머병에 걸릴지 여부를 예측하기 위해 인지검사와 MRI 스캔을 사용했다. 기계 학습 모델은 비침습적 데이터를 사용하여 5건 중 4건에서 알츠하이머병 진행을 정확하게 예측했습니다.

논문 주소: https://www.thelancet.com/action/showPdf?pii=S2589-5370%2824%2900304-3

이번 연구 결과는 eClinical Medicine 저널(The Lancet 발행)에도 게재됐다. 저자들은 인공 지능 진단 및 치료를 사용하는 기술이 조기 개입을 제공하고 비용이 많이 드는 나중에 진단 절차에 대한 의존도를 줄일 수 있다고 믿습니다.

알츠하이머병의 진행을 정확하게 예측합니다.

PPM 모델

연구팀은 미국 연구팀이 수집한 환자 400명을 대상으로 뇌 신경세포의 사멸인 회백질 위축에 대한 인지 테스트와 MRI 스캔을 이용해 모델을 구축했다.

인공 지능과 임상 번역 사이의 격차를 해소하기 위해 이 논문에서는 PPM 모델(예측적 예후 모델)을 기반으로 강력하고 해석 가능한 임상 인공 지능 도구를 구축합니다.

이 모델은 이진 분류 방법을 뛰어넘어 질병 초기 단계(경도 인지 장애, MCI), 증상 전 단계(인지 정상, CN), 알츠하이머병(AD)이 확인된 개인을 예측합니다. .

PPM은 일상적으로 수집된 다중 모드 데이터로부터 미래의 질병 발병 추세를 안정적으로 예측하기 위한 궤적 모델링 방법을 도입합니다.

또한 연구 코호트에서 실제 환자 데이터까지 일반화하는 등 다양한 유형의 환자 데이터를 사용하면 임상적 유용성과 의료 분야 채택 가능성을 높일 수 있습니다.

PPM은 앙상블 학습의 GMLVQ 프레임워크를 채택합니다. 이는 단일 데이터 유형을 고려하는 대신 여러 양식의 데이터를 결합하여 표준 임상 마커(예: 회백질 위축, 인지 저하) 또는 임상적 마커보다 초기 질병 전환을 더 정확하게 예측할 수 있습니다. 알츠하이머병의 가능성에 대한 진단.

다중 모드 데이터의 힘을 활용하여 정기적으로 수집되는 비침습적, 저비용 데이터로부터 예측을 내립니다. 이는 바이오마커만큼 민감하지 않을 수 있지만 수집하기에 더 비용 효율적이고 비침습적입니다.

대규모 모델의 조기 예측에 대한 AI 기반 접근 방식은 다음과 같은 강력한 잠재력을 가지고 있습니다.

환자의 건강을 예측하고 의료 비용을 절감함으로써 침습적이고 값비싼 진단 테스트를 받는 환자의 수가 줄어들 것입니다.

둘째, 가장 필요한 사람들에게 부족한 자원을 제공하면 의료 자원 배분의 효율성을 높일 수 있습니다.

마지막으로, 대형 모델을 활용하여 진료소 전체의 진단을 표준화하면 의료 불평등을 줄일 수 있습니다.

샘플 데이터 수집

이 모델은 미국의 600명 이상의 참가자 샘플과 영국 및 싱가포르의 클리닉에서 추가로 900개의 샘플을 사용하여 테스트되었습니다.

ADNI(Alzheimer's Disease Neuroimaging Initiative) 연구 데이터 집단의 600명 미국 샘플 데이터가 PPM 교육에 사용되었습니다.

900개의 추가 샘플은 두 개의 독립적인 테스트 데이터 세트, 즉 NHS Memory Clinic Quantitative MRI of Brain Structural and Functional Brain(QMIN-MC) 및 National University of Singapore Memory Aging and Cognition Center 데이터 세트(MACC)로 샘플 외 검증에 사용되었습니다. .

이러한 데이터 세트는 환자 인구 통계 및 데이터 수집 도구가 다르므로 실험을 통해 다양한 국가 및 지역 그룹과 PPM 모델의 호환성을 동시에 테스트할 수 있습니다.

특히 ADNI의 경우 기억상실성 MCI 및 알츠하이머병과 관련된 특정 기준에 따라 샘플을 선택했습니다.

MRI 데이터는 미국의 MRI 수집 사이트에서 수집되었습니다. 대조적으로, QMIN-MC 및 MACC 데이터는 각각 영국과 싱가포르의 대표적인 신경과 및 정신과 기억 서비스에서 수집되었습니다.

따라서 이러한 환자 코호트는 모집 연구 코호트(ADNI)보다 임상 실습에서 접하는 특정 환자 프로필을 더 잘 반영하는 경우가 많습니다.

실험 결과

테스트 결과, 알고리즘은 경도 인지 장애가 있는 사람과 3년 이내에 알츠하이머병으로 진행될 사람을 구별할 수 있는 것으로 나타났습니다.

그리고 인지 테스트와 MRI 스캔만을 사용하여 3년 이내에 알츠하이머병에 걸릴 사람을 식별하는 데 82%의 정확성이 있었고, 알츠하이머병에 걸리지 않은 사람의 81%가 정확했습니다.

또한, 질병의 진행 상황을 추적하여 다양한 상황에 따라 가장 적절한 치료 방법을 제시할 수도 있습니다.

또한 연구진은 AI 모델을 통해 각 사람의 첫 번째 의사 방문 데이터를 사용하여 알츠하이머 환자를 증상이 안정적으로 유지되는 그룹(약 50%), 증상이 천천히 진행되는 그룹(약 35%), 알츠하이머 환자를 세 그룹으로 나눌 수 있었습니다. 증상이 천천히 진행되는 사람(약 35%). 증상이 더 빨리 진행되는 사람(약 15%)

이러한 예측은 연구자들이 6년간의 추적 관찰 동안 데이터를 추적했을 때 확인되었습니다. 알츠하이머병 진행 예측에 있어 AI 솔루션이 임상진단보다 3배 더 정확하다고 믿고 있다.

정확한 사전 예측은 질병에 걸릴 가능성이 있는 사람을 조기에 식별하는 데 도움이 되고, 상태가 급격히 악화될 수 있어 면밀한 모니터링이 필요한 사람을 식별하는 데 도움이 되기 때문에 중요합니다.

케임브리지 대학 심리학과 교수인 Zoe Kourtzi는 "치매로 인해 증가하는 건강 문제를 해결하려면 조기 식별 및 개입을 위한 더 나은 도구가 필요합니다"라고 말했습니다.

"우리의 비전은 임상의가 질병에 걸린 그룹을 조기에 발견하고 올바른 치료 방법을 사용할 수 있도록 인공 지능 도구의 사용을 확대하는 것입니다. 의료 자원이 큰 압박을 받는 상황에서 이는 불필요한 비용이 많이 들고 유해한 것을 제거하는 데도 도움이 될 것입니다. 진단 테스트.”

오진을 발견하는 데에도 조기 검사가 중요하며, 기억력 상실 등의 증상이 있지만 안정적인 상태를 유지하는 사람의 경우 증상은 치매 이외의 불안이나 우울증 등으로 인해 발생할 수도 있습니다.

CPFT 명예 컨설턴트 정신과 의사이자 케임브리지대학교 정신의학과 조교수인 벤 언더우드 박사는 “기억 문제는 나이가 들수록 흔히 나타나는 현상”이라며 “임상적으로 이것이 치매의 첫 징후인지 판단하는 것은 불가능하다”고 말했다. 치매환자들에게 문제를 일으킬 것 같아 걱정이 많습니다.”

안정된 상태의 사람이 알츠하이머병을 앓고 있지 않은 것으로 정확하게 식별할 수 있다면 환자의 심리적 압박감도 크게 줄어들 것입니다.

Kourtzi 교수는 "AI 모델은 훈련된 데이터만큼만 우수합니다. 우리 모델이 의료 환경에 적용될 가능성을 보장하기 위해 우리는 연구 코호트의 데이터뿐만 아니라 진료소의 환자 데이터도 사용합니다. 훈련 및 테스트를 통해 모델이 임상 적용을 위해 홍보될 수 있음을 보여줍니다."

앞으로 연구팀은 모델을 혈관성 치매, 전두측두엽 치매 등 다른 유형의 치매로 확장하고 혈액 검사의 지표와 같은 다양한 유형의 데이터를 사용할 수 있기를 희망합니다.

이 연구는 Wellcome, Alzheimer's Research UK, Royal Society 및 National Institute for Health and Care Cambridge Biomedical Research Center를 포함한 다양한 기관의 지원을 받았습니다.

치매 조기진단

유럽 ​​대학들은 AI 예측 모델 구축과 더불어 알츠하이머병 문제 해결을 위해 인공지능 기술을 적극적으로 활용하고 있다.

EU Horizon 프로그램에서 1,400만 유로의 지원을 받는 AI-Mind 프로젝트는 치매의 조기 진단을 가능하게 하는 두 가지 인공 지능 도구를 개발하고 있습니다.

AI-Mind는 2021년에 출시되어 2026년까지 계속됩니다. 파트너로는 핀란드의 Aalto University, 에스토니아의 Tallinn University, 네덜란드의 Radboud University Medical Center 등 7개 유럽 대학교가 있습니다.

특히 구조적 뇌 결함이 없고 개입이 여전히 가능한 경도 인지 장애(MCI) 단계를 대상으로 합니다.

이 목표를 달성하기 위해 프로젝트 뒤의 13개 파트너는 AI-Mind Connector와 AI-Mind Predictor를 구축하고 있습니다.

커넥터는 EEG의 뇌 이미지를 분석하여 치매로 이어질 수 있는 초기 징후를 감지합니다.

Predictor는 이 데이터를 인지 테스트 및 혈액 분석과 결합하여 95% 이상의 정확도로 질병의 위험을 추정합니다.

두 도구 모두 현재 의료 전문가가 사용하는 클라우드 진단 플랫폼에 통합됩니다.

프로젝트의 궁극적인 목표는 야심찬 것입니다. 진단 시간을 2~5년에서 1주일로 단축하는 것입니다. 이를 통해 MCI 환자의 무증상 기간을 연장할 수 있을 것으로 기대된다.

단백질 덩어리 추적

치매와의 싸움에서 AI의 또 다른 사용 사례는 신체의 단백질 덩어리에 대한 이해를 향상시키고 병리를 추적하는 것입니다.

우리 몸이 제대로 기능하기 위해서는 단백질과 세포 내 다른 분자 사이에 수십억 개의 상호 작용이 발생합니다.

그러나 상호작용이 잘못되면 단백질이 덩어리로 뭉쳐지고 악화되어 알츠하이머병과 같은 신경 질환으로 이어질 수 있습니다.

코펜하겐 대학교 연구원들은 현미경 이미지에서 10억분의 1 크기의 단백질 덩어리를 찾아낼 수 있는 AI 알고리즘을 개발했습니다.

또한 알고리즘은 덩어리의 수를 세고, 모양과 크기별로 분류하고, 시간이 지남에 따라 어떻게 변하는지 모니터링할 수 있습니다.

이는 과학자들이 왜 이러한 덩어리가 형성되는지 이해하고 새로운 약물과 치료법을 발견하는 데 도움이 될 수 있습니다.

팀에 따르면 이 도구는 연구자들이 몇 주가 걸릴 프로세스를 단 몇 분 만에 완료하도록 자동화합니다.

게다가 이 기계 학습 알고리즘은 오픈 소스 모델로 인터넷에서 무료로 사용할 수 있습니다.

이번 연구의 공동 저자인 Nikos Hatzakis는 "전 세계 연구자들이 이 도구를 배포하기 시작하면 다양한 질병 및 생물학과 관련된 분자 및 단백질 구조의 대규모 라이브러리를 만드는 데 도움이 될 것입니다."라고 말했습니다.

참고자료:

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

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