科学家使用人工智能在症状发作前发现阿尔茨海默氏症

道格拉斯精神健康大学研究所的科学家在麦吉尔(McGill)的转化神经影像学实验室开发了一种算法,该算法可靠地检测到痴呆症发作之前的迹象。t

道格拉斯精神健康大学研究所的科学家在麦吉尔(McGill)的转化神经影像学实验室开发了一种算法,该算法可靠地检测到痴呆症发作之前的迹象。该技术可用于帮助家庭准备治疗方案,并帮助研究人员选择更好的候选者进行测试药物有效性的临床试验。

这些发现在发表在《衰老神经生物学》杂志上的一项研究中详细介绍了。

共同领导的研究作者Pedro Rosa-Neto博士说:“如果您可以从一群会发育这种疾病的人中分辨出来,那么人们可以更好地测试可以预防该疾病的新药物。”麦吉尔大学神经病学,神经外科和精神病学副教授,现场科学。

该算法是通过搜索脑扫描来堆积淀粉样蛋白的算法,淀粉样蛋白会积聚在患有轻度认知障碍的人的大脑中,后来又是痴呆症。淀粉样蛋白在痴呆症发作之前开始在大脑几年(有时甚至几十年)开始积聚,并且以不同的速度和大脑的位置进行淀粉样蛋白。更重要的是,并非每个人都有淀粉样蛋白堆积的人一定会发展认知障碍。这使得科学家很难发现痴呆症的发展。

机器学习可以使它变得容易得多。

科学家使用数百次通过阿尔茨海默氏病神经影像学计划(ADNI)获得的PET扫描,通过首先在患有轻度认知障碍的患者的扫描中分析淀粉样蛋白的积累,从而训练了算法,以发现痴呆症的迹象。然后,他们证明了在患者发生这种疾病之前进行的脑部扫描。

(遵循训练算法以预测痴呆症进展的步骤的摘要。)随后,科学家向算法提供了一系列新的脑扫描,其中一些来自目前患有轻度认知障碍的患者。但是,所有扫描都是在任何患者患上该疾病之前进行的。该算法能够预测哪些患者最终会受到84%的精度受损。

罗莎·纽托(Rosa-Neto)对麦吉尔新闻(McGill News)说:“这就是一个例子,大数据和开放科学给患者护理带来了切实的好处。”

可以改善患者护理的最大好处是研究阿尔茨海默氏症药物的有效性,阿尔茨海默氏症是最常见的痴呆症形式。

“通过使用此工具,临床试验只能专注于在研究的时间范围内具有较高可能发展为痴呆症的个体,”该研究的共同领导作者Serge Gauthier博士对McGill News表示。 “这将大大减少进行这些研究的成本和必要的时间。”

研究是由加拿大衰老神经退行性联盟(CCNA)和加拿大卫生研究所的资助。

原创文章,作者:乐观兔,如若转载,请注明出处:http://www.dsonekey.com/6462.html

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息