Новости

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Новый отчет мудрости

Монтажер: Эр Цяо Ян

[Введение в новую мудрость]Исследования Кембриджского университета используют искусственный интеллект для создания модели машинного обучения, позволяющей точно предсказывать развитие болезни Альцгеймера. Точность значительно превосходит результаты клинических испытаний, открывая новый путь для раннего вмешательства при болезни Альцгеймера.

Если искусственный интеллект может оказать беспрецедентное положительное влияние в этой области, «здравоохранение» должно стать одним из самых мощных кандидатов, особенно ранняя диагностика и лечение различных сложных заболеваний.

Болезнь Альцгеймера – одна из них.

По мере старения населения в мозгу появляется все больше пожилых людей, и их воспоминания постепенно стираются, в том числе о прошлом и самых близких членах семьи. Это серьезно повлияло на качество жизни людей. пожилая группа.

В настоящее время более 55 миллионов человек во всем мире страдают от деменции, причем ежегодно регистрируется почти 10 миллионов новых случаев.

Наиболее распространенным типом деменции является болезнь Альцгеймера, на которую приходится 60–70% всех случаев. Ожидается, что число пациентов с деменцией почти утроится в ближайшие 50 лет.

Только в 2019 году во всем мире эта болезнь обошлась системам здравоохранения в 1,3 триллиона долларов.

Когда дело доходит до болезни Альцгеймера, раннее выявление имеет решающее значение, поскольку именно тогда лечение может быть наиболее эффективным.

Однако ранняя диагностика и прогноз деменции могут быть неточными без использования инвазивных или дорогостоящих тестов, таких как позитронно-эмиссионная томография (ПЭТ) или люмбальная пункция (которые доступны не во всех медицинских учреждениях).

В результате до трети пациентов может быть поставлен неверный диагноз, а другим диагноз может быть поставлен слишком поздно, чтобы получить эффективное лечение.

Кроме того, у пострадавших заболевание может спровоцировать депрессию и тревогу. Не говоря уже о беспомощных и отчаявшихся родственниках вокруг них, которые были свидетелями того, как пациенты постепенно теряют память, становятся психическими расстройствами и переживают эмоциональный срыв, но они беспомощны.

Однако развитие технологий искусственного интеллекта внесло некоторый свет в эту ситуацию.

Исследователи факультета психологии Кембриджского университета разработали новую модель искусственного интеллекта, которая превосходит современные методы клинических испытаний в прогнозировании прогрессирования болезни Альцгеймера.

Исследовательская группа использовала когнитивные тесты и МРТ, чтобы предсказать, разовьется ли у пациентов с легкими когнитивными нарушениями болезнь Альцгеймера. Модели машинного обучения использовали неинвазивные данные для точного прогнозирования прогрессирования болезни Альцгеймера в четырех из пяти случаев.

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

Результаты исследования также были опубликованы в журнале eClinical Medicine (издается The Lancet). Авторы полагают, что технология, использующая диагностику и лечение с использованием искусственного интеллекта, может обеспечить раннее вмешательство и снизить зависимость от дорогостоящих более поздних диагностических процедур.

Точно предсказать прогрессирование болезни Альцгеймера

Модель PPM

Команда построила модель, используя когнитивные тесты и МРТ-сканирование атрофии серого вещества, гибели нервных клеток головного мозга, у 400 пациентов, собранных американской исследовательской группой.

Чтобы преодолеть разрыв между искусственным интеллектом и клиническим переводом, в статье создается мощный и интерпретируемый инструмент клинического искусственного интеллекта, основанный на модели PPM (предсказательная прогностическая модель).

Модель выходит за рамки методов бинарной классификации и позволяет прогнозировать людей на ранних стадиях заболевания (легкие когнитивные нарушения, MCI), людей на предсимптомной стадии (когнитивно нормальные, CN) и людей с подтвержденной болезнью Альцгеймера (AD). .

PPM представляет методы моделирования траекторий для надежного прогнозирования будущих тенденций развития заболеваний на основе регулярно собираемых мультимодальных данных.

А использование нескольких типов данных о пациентах, включая обобщение исследовательских групп на данные реальных пациентов, может повысить клиническую полезность и потенциал для внедрения в здравоохранении.

PPM использует структуру ансамблевого обучения GMLVQ, которая способна объединять данные из нескольких модальностей (вместо рассмотрения одного типа данных) для более точного прогнозирования ранней трансформации заболевания, чем стандартные клинические маркеры (т. е. атрофия серого вещества, снижение когнитивных функций) или клинические маркеры. диагноз на вероятность болезни Альцгеймера.

Используйте возможности мультимодальных данных для прогнозирования на основе регулярно собираемых неинвазивных и недорогих данных, которые могут быть не такими чувствительными, как биомаркеры, но собирать их более экономично и неинвазивно.

Этот подход к раннему прогнозированию больших моделей на основе искусственного интеллекта имеет мощный потенциал:

Благодаря прогнозированию состояния здоровья пациентов и сокращению затрат на здравоохранение меньше пациентов будут проходить инвазивные и дорогостоящие диагностические тесты;

Во-вторых, предоставление ограниченных ресурсов тем, кто в них больше всего нуждается, может повысить эффективность распределения медицинских ресурсов;

Наконец, использование крупных моделей для стандартизации диагностики в клиниках может уменьшить неравенство в сфере здравоохранения.

Пример сбора данных

Модель была протестирована на выборке из более чем 600 участников из США и еще 900 образцов из клиник Великобритании и Сингапура.

Для обучения PPM были использованы данные выборки из 600 человек в США из когорты данных исследования Инициативы по нейровизуализации болезни Альцгеймера (ADNI).

Для валидации вне выборки было использовано 900 дополнительных образцов в виде двух независимых наборов тестовых данных: количественной МРТ структурного и функционального мозга NHS Memory Clinic (QMIN-MC) и набора данных Центра памяти и познания Национального университета Сингапура (MACC). .

Эти наборы данных различаются демографическими данными пациентов и инструментами сбора данных, что позволяет экспериментировать одновременно с проверкой совместимости модели PPM с различными национальными и региональными группами.

В частности, для ADNI образцы отбирались на основе конкретных критериев, связанных с амнестическим MCI и болезнью Альцгеймера.

Данные МРТ были собраны из мест сбора МРТ в США. Напротив, данные QMIN-MC и MACC были собраны из репрезентативных служб неврологии и психиатрической памяти в Великобритании и Сингапуре соответственно.

Таким образом, эти когорты пациентов часто более отражают конкретные профили пациентов, встречающихся в клинической практике, чем набранная исследовательская когорта (ADNI).

Результаты эксперимента

Результаты испытаний показали, что алгоритм может различать людей с легкими когнитивными нарушениями и теми, у кого в течение трех лет разовьется болезнь Альцгеймера.

И, используя только когнитивные тесты и МРТ, точность выявления людей, у которых разовьется болезнь Альцгеймера в течение трех лет, составила 82%, а также 81% людей, у которых болезнь Альцгеймера не разовьется.

Более того, он также может отслеживать прогрессирование заболевания и предлагать наиболее подходящий метод лечения в зависимости от различных обстоятельств дела.

Модель искусственного интеллекта также позволила исследователям использовать данные первого визита каждого человека к врачу, чтобы разделить пациентов с болезнью Альцгеймера на три группы: тех, чьи симптомы оставались стабильными (около 50 процентов), тех, чьи симптомы прогрессировали медленно (около 35 процентов), и тех, кто люди, у которых симптомы прогрессировали медленно (около 35 процентов). Люди, у которых симптомы развиваются быстрее (около 15%).

Эти прогнозы подтвердились, когда исследователи отслеживали данные в течение 6 лет наблюдения. Они считают, что решение ИИ в три раза точнее клинической диагностики в прогнозировании прогрессирования болезни Альцгеймера.

Точный заблаговременный прогноз важен, поскольку он может помочь выявить людей, которые могут заболеть на ранней стадии, а также выявить тех, кто нуждается в тщательном наблюдении, поскольку их состояние может быстро ухудшиться.

«Если мы хотим решить растущую проблему здравоохранения, связанную с деменцией, нам понадобятся более совершенные инструменты для раннего выявления и вмешательства», — сказала Зои Курци, профессор кафедры психологии Кембриджского университета.

«Наше видение состоит в том, чтобы расширить использование инструментов искусственного интеллекта, чтобы помочь врачам выявлять группы больных на ранней стадии и использовать правильные методы лечения. диагностическое тестирование».

Раннее тестирование также важно для выявления ошибочного диагноза, а у людей, у которых есть такие симптомы, как потеря памяти, но они остаются стабильными, их симптомы могут быть вызваны чем-то иным, чем деменция, например тревогой или депрессией.

Доктор Бен Андервуд, почетный психиатр-консультант CPFT и доцент кафедры психиатрии Кембриджского университета, сказал: «Проблемы с памятью становятся обычным явлением с возрастом. Клинически невозможно определить, является ли это первым признаком деменция и вызовет проблемы у пациентов. Приходите с множеством забот».

Если людей со стабильным состоянием можно будет точно идентифицировать как не страдающих болезнью Альцгеймера, это также значительно снизит психологическое давление на пациентов.

Профессор Курци сказал: «Модели искусственного интеллекта хороши настолько, насколько хороши данные, на которых они обучены. Чтобы гарантировать, что наши модели имеют потенциал для применения в медицинских учреждениях, мы используем не только данные исследовательских групп, но и данные пациентов из клиник». ее обучение и тестирование, что показывает, что модель можно продвигать для клинического применения».

В дальнейшем исследовательская группа надеется распространить свою модель на другие типы деменции, такие как сосудистая деменция и лобно-височная деменция, и использовать различные типы данных, такие как маркеры в анализах крови.

Исследование поддерживалось различными учреждениями, в том числе Wellcome, Британским исследовательским центром по изучению болезни Альцгеймера, Королевским обществом и Кембриджским центром биомедицинских исследований Национального института здравоохранения и ухода.

Ранняя диагностика деменции

Помимо построения моделей прогнозирования ИИ, европейские университеты активно используют технологии искусственного интеллекта для решения проблемы болезни Альцгеймера.

При поддержке 14 миллионов евро из программы EU Horizon проект AI-Mind разрабатывает два инструмента искусственного интеллекта, которые могли бы обеспечить раннюю диагностику деменции.

AI-Mind запустится в 2021 году и продлится до 2026 года. В число его партнеров входят семь европейских университетов, в том числе Университет Аалто в Финляндии, Таллиннский университет в Эстонии и Медицинский центр Университета Радбауд в Нидерландах.

Он специально нацелен на стадию легких когнитивных нарушений (MCI), когда структурных дефектов головного мозга нет и вмешательство все еще возможно.

Для достижения этой цели 13 партнеров проекта создают AI-Mind Connector и AI-Mind Predictor.

Коннектор анализирует изображения мозга на основе ЭЭГ, чтобы обнаружить ранние признаки, которые могут привести к деменции.

Predictor объединяет эти данные с когнитивными тестами и анализом крови, чтобы оценить риск заболевания с точностью более 95 процентов.

Оба инструмента будут интегрированы в облачные диагностические платформы, которые в настоящее время используются медицинскими работниками.

Конечная цель проекта амбициозна: сократить время диагностики с 2–5 лет до 1 недели. Таким образом, есть надежда продлить бессимптомный период у пациентов с MCI.

Отслеживайте белковые комки

Еще один вариант использования ИИ в борьбе с деменцией — улучшение нашего понимания белковых комков в организме и отслеживание их патологии.

Чтобы наш организм функционировал должным образом, между белками и другими молекулами внутри клеток происходят миллиарды взаимодействий.

Но когда взаимодействие нарушается, белки могут слипаться в комки и разрушаться, что приводит к неврологическим заболеваниям, таким как болезнь Альцгеймера.

Исследователи из Копенгагенского университета разработали алгоритм искусственного интеллекта, который может обнаруживать на изображениях микроскопа белковые сгустки размером в одну миллиардную долю.

Алгоритм также может подсчитывать комки, классифицировать их по форме и размеру и отслеживать, как они меняются с течением времени.

Это может помочь ученым понять, почему образуются эти комки, что приведет к открытию новых лекарств и методов лечения.

По словам команды, инструмент автоматизирует процесс, на выполнение которого исследователям потребовались бы недели, всего за несколько минут.

Более того, этот алгоритм машинного обучения находится в свободном доступе в Интернете как модель с открытым исходным кодом.

«Поскольку исследователи по всему миру начнут использовать этот инструмент, он поможет создать большую библиотеку молекулярных и белковых структур, имеющих отношение к различным заболеваниям и биологии», — сказал Никос Хацакис, соавтор исследования.

Использованная литература:

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

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