 由波士顿大学医学院(Boston University School of Medicine)的研究人员开发的深度学习算法，结合了脑磁共振成像(MRI)测试来测量认知障碍，以及年龄和性别数据，这有助于准确预测阿尔茨海默病的风险。  阿尔茨海默病是全世界痴呆的主要原因。每10个65岁及以上的人中就有一个患有阿尔茨海默病痴呆，这是全世界痴呆症的主要原因。 这项研究已经发表在《大脑》（Brain）杂志上。  使用核磁共振（MRI）扫描 研究人员使用脑部核磁共振扫描、人口统计和阿尔茨海默病患者以及认知正常者的临床信息。然后他们开发了一个新的深度学习模型来预测阿尔茨海默病的风险，这表明他们的模型可以准确预测其他独立队列的疾病状态。 在同一组病例上检测阿尔茨海默病的任务是由一个国际神经学家团队承担的，人工智能模型表现稍好一些。他们还显示，模型识别出的高疾病风险区域与少数死者的大脑尸检报告高度一致。  扩大神经影像数据的使用 这项研究对于扩大神经影像数据（如核磁共振扫描）的使用范围，以便在治疗时准确检测阿尔茨海默病的风险具有广泛的意义，并且可以扩展到身体的其他器官，以诊断其他退化性疾病。 通讯作者Vijaya Kolachalama博士是波士顿大学医学院（BUSM）的医学助理教授，他说：“如果我们有准确的工具来预测阿尔茨海默病的风险（比如我们开发的），这些工具是现成的，并且可以使用常规可用的数据，比如脑磁共振扫描，那么将有助于临床实践，特别是在记忆诊所。”  “我们不仅可以准确预测阿尔茨海默病的风险，而且这个算法还可以生成对个体阿尔茨海默病风险的直观的可视化结果的解释，从而达到准确诊断的目的。” 参考文献 Source：Health Europa Predicting the risk of Alzheimer’s disease with AI Reference： Shangran Qiu, Prajakta S Joshi, Matthew I Miller, Chonghua Xue, Xiao Zhou, Cody Karjadi, Gary H Chang, Anant S Joshi, Brigid Dwyer, Shuhan Zhu, Michelle Kaku, Yan Zhou, Yazan J Alderazi, Arun Swaminathan, Sachin Kedar, Marie-Helene Saint-Hilaire, Sanford H Auerbach, Jing Yuan, E Alton Sartor, Rhoda Au, Vijaya B Kolachalama, Development and validation of an interpretable deep learning framework for Alzheimer’s disease classification, Brain, , awaa137, https:///10.1093/brain/awaa137 |
|
|
