AI -værktøj til at opdage kendetegn ved Alzheimers sygdom

Undersøgelsen, der blev offentliggjort i tidsskriftet Nature Communications, er et bevis på konceptet for en machine-learning-tilgang til at skelne mellem kritiske markører for den neurodegenerative sygdom.

AlzheimersAmyloidplakker er klumper af proteinfragmenter i hjernen hos mennesker med Alzheimers sygdom, der ødelægger nervecelleforbindelser, siger forskere ved University of California, Davis i USA. (Foto af Thinkstock Images)

Forskere har fundet en måde at lære en computer til præcist at opdage et af kendetegnene ved Alzheimers sygdom i humant hjernevæv ved hjælp af kunstig intelligens (AI).



Undersøgelsen, offentliggjort i tidsskriftet Naturkommunikation , er et bevis på konceptet for en machine-learning tilgang til at skelne mellem kritiske markører for den neurodegenerative sygdom.



Amyloidplakker er klumper af proteinfragmenter i hjernen hos mennesker med Alzheimers sygdom, der ødelægger nervecelleforbindelser, siger forskere ved University of California, Davis (UC Davis) i USA.



Ligesom den måde, Facebook genkender ansigter baseret på taget billeder, kan maskinlæringsværktøjet se, om en prøve af hjernevæv har en eller anden type amyloidplak, og gør det meget hurtigt.

Resultaterne tyder på, at maskinlæring kan øge ekspertisen og analysen fra en ekspert neuropatolog.



Værktøjet giver dem mulighed for at analysere tusinder af gange flere data og stille nye spørgsmål, der ikke ville være mulige med de begrænsede databehandlingsmuligheder for selv de mest højtuddannede menneskelige eksperter.



Vi har stadig brug for patologen, sagde Brittany N Dugger, en adjunkt ved UC Davis og hovedforfatter af undersøgelsen.

Dette er et værktøj, ligesom et tastatur er til at skrive. Da tastaturer har hjulpet til med at skrive arbejdsgange, kan digital patologi parret med maskinlæring hjælpe med neuropatologiske arbejdsgange, sagde Dugger.



Hun samarbejdede med Michael J Keizer, en assisterende professor ved University of California, San Francisco (UCSF), for at afgøre, om de kunne lære en computer at automatisere den besværlige proces med at identificere og analysere små amyloidplakker af forskellige typer i store skiver af obduceret menneske hjernevæv.



Keizer og hans team designede et konvolutivt neuralt netværk (CNN), et computerprogram designet til at genkende mønstre baseret på tusindvis af menneskeremærkede eksempler.

Teamet udtænkte en metode, der gjorde det muligt hurtigt at kommentere eller mærke titusindvis af billeder fra en samling en halv million nærbilleder af væv fra 43 raske og syge hjerneprøver.



Ligesom en computerdatingstjeneste, der giver brugerne mulighed for at stryge til venstre eller højre for at mærke en persons foto varmt eller ej, udviklede de en webplatform, der tillod Dugger at se en-ad-a-time på stærkt indzoomede områder af potentielle plaketter og hurtigt mærke hvad hun så der.



Dette digitale patologi -værktøj - som forskere kaldte blob eller ej - tillod Dugger at kommentere mere end 70.000 klatter eller plakkandidater med en hastighed på omkring 2.000 billeder i timen.

UCSF-teamet brugte denne database med titusinder af mærkede eksempelbilleder til at træne deres CNN-maskinlæringsalgoritme til at identificere forskellige typer hjerneforandringer set ved Alzheimers sygdom.



forskellige typer azalea buske

Det inkluderer at skelne mellem såkaldte kerner og diffuse plaques og identificere abnormiteter i blodkar.



Forskerne viste, at deres algoritme kunne behandle et helt skive med hele hjernen med 98,7 procent nøjagtighed, med hastighed kun begrænset af antallet af computerprocessorer, de brugte.

Ovenstående artikel er kun til informationsformål og er ikke beregnet til at erstatte professionel læge. Søg altid vejledning fra din læge eller anden kvalificeret sundhedspersonale for eventuelle spørgsmål, du måtte have om dit helbred eller en medicinsk tilstand.