纽约:美国研究人员开发了一种基于人工智能的新型工具,从常规收集的临床大脑图像中检测阿尔茨海默病的准确率为90%。
该工具由马萨诸塞州总医院(MGH)的一个团队开发,可以帮助临床医生确定哪些患者将从治疗中受益。
发表在《公共科学图书馆·综合》杂志上的研究结果表明,在不考虑年龄等其他变量的情况下,该方法能够检测出阿尔茨海默病。
MGH系统生物学中心的研究员Matthew Leming说:“阿尔茨海默病通常发生在老年人身上,因此深度学习模型通常很难检测到较罕见的早期发病病例。”
他补充说:“我们通过使深度学习模型对大脑特征‘盲目’来解决这个问题,它发现大脑特征与患者的年龄过度相关。”
这项研究涉及了2348名有阿尔茨海默病风险的患者的11,103张脑磁共振图像(mri)和8456名没有阿尔茨海默病的患者的26,892张图像。
该模型检测阿尔茨海默病风险的准确率为90.2%。
Leming指出,除了年龄之外,疾病检测的另一个常见挑战,尤其是在现实环境中,是处理与训练集非常不同的数据。
例如,在通用电气(General Electric)制造的扫描仪上训练的深度学习模型可能无法识别西门子(Siemens)制造的扫描仪上收集的mri。
然而,新工具使用了一个不确定性度量来确定患者数据是否与它所训练的数据差异太大,以至于它能够做出成功的预测。
“这是唯一一项使用常规收集的大脑核磁共振成像来试图检测痴呆症的研究。虽然已经进行了大量通过大脑核磁共振检测阿尔茨海默氏症的深度学习研究,但这项研究朝着在现实世界的临床环境中实际执行这项研究迈出了实质性的一步,而不是完美的实验室环境,”Leming说。
他指出:“我们的研究结果具有跨地点、跨时间和跨人群的普遍性,为这种诊断技术的临床应用提供了强有力的证据。”