Preventing dementia: Nine tips that could help you stay sharp - BBC News
 |
| 康橋科技 —— 白光攝影機專業廠商！ |
來源：
阿茲海默症又稱老年痴呆，是一種常見的神經系統退行性疾病，目前尚無治癒方法。雖然近年來出現的一些藥物，可以幫助阻止病情的發展，但是這些治療必須在疾病發展早期，就進行才能發揮足夠有效的作用。
為此，科學家們一直在與時間賽跑，以期發現早期診斷病情的方法。
在近期發表於Radiology上的一項研究中，研究人員將神經影像學與機器學習（人工智慧）相結合，試圖預測患者在首次出現記憶障礙時，是否會患上阿茲海默症（這是對其進行干預的最佳時機），並最終成功使診斷時間，比常規方法提前了近6年！
阿茲海症患者的大腦（左）與未患該病的人的大腦之間的比較（圖片來源：加州大學舊金山分校）
PET掃描原理及缺陷
診斷阿茲海默症的一種常用工具，叫做正電子發射斷層掃描（PET），主要原理是透過掃描測量大腦中特定分子（如葡萄糖）的水準，來判斷症狀嚴重程度的。葡萄糖是腦細胞的主要燃料來源，細胞越活躍，消耗的葡萄糖就越多。隨著腦細胞的病變和死亡，葡萄糖消耗逐漸減少，最終沒有葡萄糖。
其他一些類型的PET掃描，旨在尋找與阿茲海默症有關的蛋白質，但葡萄糖PET掃描，更常見且更便宜，尤其是在較小的醫療機構和發展中國家，因為它們還被用於癌症分期。
因此，放射科醫生多使用這些掃描，試圖透過尋找大腦中（額葉和頂葉中）降低的葡萄糖水準，來檢測阿茲海默症。但問題是，由於該疾病是一種緩慢的進行性疾病，因此葡萄糖的變化非常微妙，難以用肉眼觀察。
阿茲海默症患者腦部的PET掃描（圖片來源：National Institute on Aging）
隨著人工智慧技術的發展，科學家們有了將機器學習與PET掃描相結合，以更早、更可靠地診斷，早期阿茲海默症的想法。
人工智慧有效提高診斷效率
在最新這項研究中，為了訓練「InceptionV3架構的卷積神經網路」（一種機器學習算法），主要研究者Jae Ho Sohn及其同事，收集了來自阿茲海默症神經影像學計劃（ADNI）的一些圖像，這是一個龐大的公共PET掃描數據集，來自阿茲海默症、輕度認知障礙或無障礙患者。
隨後，這種算法開始獨立學習哪些特徵，對於預測阿茲海默症的診斷非常重要，哪些不是。透過在ADNI數據集上進行訓練、對比、測試，以及最後的結果分析，研究人員發現，開發用於早期預測阿茲海默症的深度學習算法，在100％靈敏度下達到82％的特異性，並在病人得到最終診斷之前平均75.8個月——相當於六年，做出了正確的疾病預測。
重要意義
阿茲海默症的難點在於，當所有的臨床症狀出現，並且我們可以做出明確診斷時，太多的神經元已經死亡，基本上已經難再逆轉。而如果這一算法能夠做到提前診斷，Sohn認為在神經科醫生，開始試圖將記憶低下患者，視為阿茲海默症的症狀時，可以使用該算法幫助他們，更快地獲得所需要的治療。
「我相信這種算法具有很強的臨床相關性，」 Sohn說，「然而，在我們能夠做到這一點之前，我們需要在更大，更多樣化的患者隊列中驗證和校準算法，最好是來自不同中國，和各種不同類型的設置。」
Sohn表示，下一步他們將在來自不同醫院和國家的更大、更多樣化的數據集上測試和校準這一算法。（作者：生物探索）
 |
沒有留言:
張貼留言