人工智能可以在诊断前 6 年预测阿尔茨海默病
- 人工智能可以增强大脑成像技术，以在诊断前预测阿尔茨海默病。
- 本研究中开发的卷积神经网络能够识别导致阿尔茨海默病的脑部扫描（灵敏度为 100%）。
美国有超过 500 万人患有阿尔茨海默病，预计到 2050 年这一数字将达到 1400 万。美国每 65 秒就有一个人患上阿尔茨海默病，这使其成为该国第 6 大死因。
通常，当所有症状都出现时，就会诊断出该疾病，此时脑细胞的损失变得如此严重，以至于无法进行干预。没有任何疗法可以阻止或逆转阿尔茨海默病的进展，但我们可以在早期发现它以减缓其进展并改善症状。
现在，加利福尼亚大学的研究人员描述了人工智能如何增强大脑成像技术，以在诊断前几年预测阿尔茨海默病。这些发现可以帮助数百万患者和护理人员。
深度学习分析大脑代谢
先前的研究表明，阿尔茨海默病会改变大脑代谢：特征性地观察到大脑葡萄糖代谢的减少。然而，识别这些细微的变化可能是一项极具挑战性的任务。
在这项研究中，研究人员应用深度学习方法来检测预测阿尔茨海默氏症的大脑代谢变化。他们对通过称为正电子发射断层扫描 (PET) 的核医学功能成像技术获得的数千张图像进行训练。
他们获得了一个主要的多站点项目 ADNI（阿尔茨海默病神经影像学倡议的简称）的数据，该项目专注于预防和治疗这种疾病。
参考：放射学 | doi:10.1148/radiol.2018180958 |北美放射学会
该数据集包含来自 1,000 多名患者的 2,100 多次 PET 脑部扫描。他们使用这个数据集的 90% 来训练他们的深度学习方法，剩下的 10% 用于测试。
PET 扫描示例 |一位患有阿尔茨海默氏症的 76 岁老人的大脑（放大）|研究人员提供
然后，他们在一个新的、独立的、由算法从未检查过的 40 名患者的 40 张图像组成的组上测试了该方法。它能够在（平均）最终诊断前 6 年在所有 40 次 PET 扫描中检测到阿尔茨海默氏症。
研究人员使用 NVIDIA TITAN Xp GPU 和 CUDA 深度神经网络库训练他们的卷积神经网络。它预测了导致阿尔茨海默病的每一次扫描（灵敏度为 100%）。
下一步是什么？
尽管结果非常令人印象深刻，但研究人员警告说，他们的验证集不足以使算法完全可靠。他们需要更多数据来使这个人工智能工具更加成熟。
目前，该工具可用于补充放射科医生的工作，包括广泛的成像和生化测试。通过对多机构数据的大规模外部验证和模型校准，该工具可以集成到临床工作流程中，以帮助医生对疾病进行早期预测。
阅读：科学家发现并修复阿尔茨海默病的遗传风险因素
该团队计划进一步训练他们的神经网络，以识别与蛋白质团块、β-淀粉样蛋白和 tau 蛋白以及其他阿尔茨海默病特异性标志物异常积累相关的模式。
工业技术