AI可提前6年識別老年痴呆症，準確率高達98％

對阿爾茨海默氏症患者大腦的PET掃描

新智元報道

來源：ucsf.edu

編輯：三石

【新智元導讀】阿爾茨海默症，又稱老年痴呆症，不僅給患者帶來痛苦，也會給患者的家庭造成困擾。目前阿爾茲海默症並沒有治癒的方法，但是近期，來自加州大學舊金山分校的醫學博士Jae Ho Sohn利用機器學習方法，應用於PET掃描，能夠在確診前6年做出診斷，準確率高達98%。

研究人員利用一種常見的腦部掃描編寫了一種機器學習演算法，在確診出早期阿爾茨海默症(Alzheimer "s disease，又稱老年痴呆症)前大約6年前就可以做出診斷，這可能會給醫生提供一個干預治療的機會。

目前還沒有治癒阿爾茨海默症的方法，但近年來出現的藥物有希望阻止病情的發展，而且這些治療必須在疾病的早期進行。這場「與時間賽跑的比賽」激發了科學家們尋找早期診斷病情的方法。

加州大學舊金山分校放射學和生物醫學成像系醫學博士Jae Ho Sohn說：「阿爾茨海默症的一個難點是，當所有的臨床癥狀出現並且我們可以做出明確診斷的時候，太多的神經元已經死亡，而且基本上不可逆轉。」

機器學習應用於PET掃描，全局監測大腦細微變化

在最近發表在《放射學》(Radiology)雜誌上的一項研究中，Sohn將神經成像與機器學習結合起來，試圖預測患者在首次出現記憶障礙時是否會患上阿爾茨海默症——這是進行干預的最佳時機。

正電子發射斷層掃描(PET)是一種測量大腦中特定分子(如葡萄糖)水平的掃描技術，已被當做一種研究工具，可以在癥狀變得嚴重之前，幫助診斷阿爾茨海默症。

其他類型的PET掃描主要是尋找與阿爾茨海默病相關的蛋白質，但葡萄糖PET掃描更常見、更便宜，尤其是在較小的醫療機構和發展中國家，因為它們也用於癌症分期。

放射科醫生利用這些掃描來檢測阿爾茨海默氏症，主要是尋找整個大腦，尤其是大腦額葉和頂葉的葡萄糖水平降低的情況。然而，由於該病是一種慢性疾病，葡萄糖的變化非常細微，很難用肉眼發現。

為了解決這個問題，Sohn將機器學習演算法應用於PET掃描，使得早期阿爾茨海默症的診斷更加可靠。

Sohn說：「這是深度學習的理想應用，因為它在尋找非常微妙但分散的過程方面特彆強大。 人類放射科醫生非常擅長識別像腦腫瘤這樣的微小病灶，但我們很難發現更緩慢的全局變化。」

預測準確率高達98%，下一步著眼更多樣化樣本

為了訓練演算法，Sohn從阿爾茨海默症神經成像計劃(ADNI)中獲取了大量圖像。ADNI是一個龐大的公共數據集，收集了最終被診斷患有阿爾茨海默症、輕度認知障礙或無障礙患者的PET掃描數據。

最終，該演算法開始自主學習哪些特徵對於預測阿爾茨海默症的診斷是重要的，哪些不是。

阿爾茨海默症患者的大腦(左)與未患此病的患者的大腦進行比較。

一旦演算法在1921次掃描中進行了訓練，科學家們就會在兩個新的數據集上對其進行測試，以評估其性能。 第一個是來自同一ADNI資料庫的188張圖片，但尚未提交給演算法。 第二個是來自40名患者的全新掃描，他們被送到加州大學舊金山分校的記憶與衰老中心，可能患有認知障礙。

演算法的執行效果很好。在第一次測試中，有92%的患者患上了老年痴呆症，而在第二次測試中有98%的患者患上了老年痴呆症。更重要的是，在患者接受最終診斷之前，它平均預測了75.8個月 ，略多於6年。

Sohn說，下一步的計劃是在來自不同醫院和國家的更大、更多樣化的數據集上測試並校準演算法。

他說：「我相信這種演算法具有很強的臨床相關性。然而，在我們能夠做到這一點之前，我們需要在更大、更多樣化的患者群體中驗證和校準演算法，理想情況下，患者群體來自不同的大洲和不同類型的環境。」

Sohn認為，如果這種演算法能夠經受住這些測試，那麼當神經學家在記憶診所看到病人時，就可以將其作為阿爾茨海默症的預測和診斷工具，幫助病人更快地得到他們需要的治療。

https://www.ucsf.edu/news/2018/12/412946/artificial-intelligence-can-detect-alzheimers-disease-brain-scans-six-years

【加入社群】

新智元 AI 技術 產業社群招募中，歡迎對 AI 技術 產業落地感興趣的同學，加小助手微信號：aiera2015_2入群；通過審核後我們將邀請進群，加入社群後務必修改群備註（姓名 - 公司 - 職位；專業群審核較嚴，敬請諒解）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！