Студенческая команда Университета Калифорнии в Витерби разрабатывает инструмент для выявления болезни Альцгеймера

Студенческая группа инженерной школы Университета Калифорнии в Витерби в США разработала основанный на искусственном интеллекте инструмент для обнаружения раннего начала болезни Альцгеймера.

Алгоритмы машинного обучения используют речевые модели человека для диагностики начала заболевания.Команда провела исследование машинного обучения для анализа речевых моделей, а также выбора слов, которые могут помочь автоматическим системам обнаружить болезнь.

Обычно врачи проводят тесты, такие как тест с изображением кражи файлов cookie, чтобы проверить потерю памяти и другие мыслительные способности.В этом тесте пациентам показывают картинку и просят описать то, что они видят. Затем врачи анализируют их манеру речи, чтобы проверить, не болен ли человек болезнью Альцгеймера.Однако этот процесс обнаружения может быть дорогостоящим и длиться месяцами.

Исследователи изучили медицинские данные, собранные у 829 пожилых людей из базы данных Инициативы по нейровизуализации болезни Альцгеймера, чтобы определить предикторы когнитивного снижения и атрофии мозга в течение одного года.

Участники разделились на три диагностические категории: когнитивные нормальные, легкие когнитивные нарушения и пациенты с болезнью Альцгеймера. Данные включали более 400 биомаркеров, собранных с помощью изображений мозга, генетики, плазмы и демографической информации.

В 2013 году Вер Стиг разработал усовершенствованный метод машинного обучения под названием Correlation Explanation (Correlation Explanation), способный выявить закономерности в областях, часто перегруженных большими объемами данных, включая нейробиологию, психологию и финансы. В том же году этот метод стал известен в новостях, когда Ширли Пепке, вычислительный биолог из Калифорнийского технологического института, использовала алгоритм для изучения собственного рака .

В этом конкретном исследовании цель ученых состояла в том, чтобы использовать тот же алгоритм для выявления скрытых факторов — или групп связанных факторов — в медицинских данных, которые могут быть коррелированы с болезнью Альцгеймера.

«Возможно, нет единого предиктора того, есть ли у вас снижение когнитивных функций, если оно уже началось или насколько серьезным оно будет», — сказал Вер Стиг. «Но, возможно, есть наборы индикаторов, которые будут лучшим сигналом. Вопрос, который мы рассматривали, заключался в том, можем ли мы использовать алгоритм для поиска групп признаков, которые могли бы быть лучшим предиктором болезни Альцгеймера, чем любые факторы, измеряемые по отдельности ».

Разумеется, когда ученые обработали данные с помощью алгоритма Вер Стига, возникли отдельные кластеры взаимосвязей . Было обнаружено, что амилоид и тау-белок имеют важное значение, но алгоритм также выявил тесную взаимосвязь со здоровьем сердечно-сосудистой системы, уровнями гормонов, метаболизмом и реакцией иммунной системы. Например, низкий уровень витамина B12, который может быть фактором риска сердечно-сосудистых заболеваний, был сгруппирован вместе с ферментами, называемыми матриксными металлопротеиназами, также характерными для сердечно-сосудистых заболеваний, и белком, секретируемым Т-клетками, который, как известно, участвует в иммунном ответе.

Хотя взаимосвязь между некоторыми из показателей была ранее задокументирована и, как известно, была связана с болезнью Альцгеймера, «результаты указывают на то, что синергия между функциями является более сильным предиктором, чем отдельные характеристики», — сказал Томпсон.

«Возможно, исправление одной из этих вещей само по себе не имеет большого значения, но исправление группы вещей может помочь снизить риск развития болезни».

По словам Томпсона, растущий список биомаркеров может привести к более раннему диагнозу и лучшему прогнозу, обеспечивая новые цели для анализов крови. В будущих исследованиях он и его команда надеются подтвердить результаты на большей популяции пациентов и использовать метод Вер Стига, чтобы найти скрытые факторы при других заболеваниях, таких как шизофрения и депрессия.

Поделиться

Источник