Исследователи из университетов Каунаса, разработали метод, основанный на глубоком обучении, который может предсказать возможное начало болезни Альцгеймера по изображениям мозга с точностью более 99 процентов. Метод был разработан на основе анализа функциональных изображений МРТ, полученных от 138 пациентов, и показал лучшие результаты с точки зрения точности, чувствительности и специфичности, чем ранее разработанные методы.
По данным Всемирной организации здравоохранения, болезнь Альцгеймера является наиболее частой причиной деменции, на которую приходится до 70 процентов случаев деменции. Во всем мире пострадали около 24 миллионов человек, и ожидается, что их число будет удваиваться каждые 20 лет. Из-за старения общества это заболевание станет дорогостоящим бременем для общественного здравоохранения в ближайшие годы.
«Медицинские работники во всем мире пытаются повысить осведомленность о раннем диагнозе Альцгеймера, который дает больным больше шансов на пользу от лечения. Это был один из самых важных вопросов при выборе темы для доктора философии Модупе Одусами, — говорит Ритис Маскелиунас, научный сотрудник кафедры мультимедийной инженерии факультета информатики Каунасского технологического университета (КТУ), доктор философии Одусами.
Обработка изображений делегирована машине
Одним из возможных первых признаков болезни Альцгеймера является умеренное когнитивное нарушение (MCI), которое является стадией между ожидаемым когнитивным снижением нормального старения и деменцией. По словам Маскелиунаса, на основе предыдущих исследований функциональную магнитно-резонансную томографию (фМРТ) можно использовать для выявления областей мозга, которые могут быть связаны с началом болезни Альцгеймера. Самые ранние стадии MCI часто почти не имеют четких симптомов, но во многих случаях могут быть обнаружены с помощью нейровизуализации.
Однако, хотя это теоретически возможно, ручной анализ изображений фМРТ с целью выявления изменений, связанных с болезнью Альцгеймера, требует не только определенных знаний, но и требует много времени — применение глубокого обучения и других методов искусственного интеллекта может ускорить это со значительным запасом времени. Обнаружение признаков MCI не обязательно означает наличие болезни, так как это также может быть симптомом других связанных заболеваний, но это скорее индикатор и возможный помощник для проведения оценки профессиональным медиком.
«Современная обработка сигналов позволяет делегировать обработку изображений аппарату, который может выполнять ее быстрее и достаточно точно. Конечно, мы не осмеливаемся утверждать, что медицинский работник должен когда-либо полагаться на какой-либо алгоритм на сто процентов. Подумайте об этом. машина как робот, способная выполнять самую утомительную задачу по сортировке данных и поиску функций. В этом сценарии, после того, как компьютерный алгоритм выберет потенциально затронутые случаи, специалист может изучить их более внимательно, и, в конце концов, выиграют все поскольку диагноз и лечение достигают пациента намного быстрее », — говорит Маскелюнас, руководивший командой, работающей над моделью.
Нам нужно максимально использовать данные
Модель, основанная на глубоком обучении, была разработана в результате плодотворного сотрудничества ведущих литовских исследователей в области искусственного интеллекта с использованием модификации хорошо известной тонко настроенной ResNet 18 (остаточная нейронная сеть) для классификации функциональных изображений МРТ, полученных от 138 субъектов. Изображения попали в шесть различных категорий: от здоровых до призрака с умеренным когнитивным нарушением (MCI) до болезни Альцгеймера. В общей сложности для обучения и проверки было выбрано 51 443 и 27 310 изображений из набора данных фМРТ Инициативы по нейровизуализации болезни Альцгеймера.
Модель смогла эффективно найти особенности MCI в данном наборе данных, достигнув наилучшей точности классификации 99,99%, 99,95% и 99,95% для раннего MCI по сравнению с AD, позднего MCI по сравнению с AD и MCI по сравнению с ранним MCI, соответственно.
«Хотя это не первая попытка диагностировать раннее начало болезни Альцгеймера на основе аналогичных данных, наш главный прорыв — это точность алгоритма. Очевидно, что такие высокие цифры не являются показателями истинной реальной эффективности, но мы работаем с медицинских учреждений, чтобы получить больше данных », — говорит Маскелюнас.
По его словам, алгоритм можно превратить в программное обеспечение, которое будет анализировать собранные данные от уязвимых групп (лиц старше 65 лет, имеющих в анамнезе травмы головного мозга, высокое кровяное давление и т. Д.) И уведомлять медицинский персонал об аномалиях, связанных с раннее начало болезни Альцгеймера.
«Нам нужно максимально использовать данные, — говорит Маскелюнас, — поэтому наша исследовательская группа фокусируется на европейском принципе открытой науки, чтобы каждый мог использовать наши знания и развивать их. Я считаю, что этот принцип в значительной степени способствует развитию общества.»
Главный исследователь, основное направление которого сосредоточено на применении современных методов искусственного интеллекта для обработки сигналов и мультимодальных интерфейсов, говорит, что описанная выше модель может быть интегрирована в более сложную систему, анализируя несколько различных параметров, например, также отслеживание движений глаз, чтение лица, анализ голоса и т. д. Такая технология может затем использоваться для самопроверки и оповещения, чтобы обратиться за профессиональной консультацией, если что-то вызывает беспокойство.
«Технологии могут сделать медицину более доступной и дешевой. Хотя они никогда (или, по крайней мере, не скоро) действительно заменят медицинских работников, они могут способствовать своевременному обращению за диагностикой и помощью», — говорит Маскелюнас.
