<p>盡管研究人員在使用作為研究研究的一部分收集的高質(zhì)量腦成像測試來檢測阿爾茨海默病的跡象方面取得了長足進展，但馬薩諸塞州總醫(yī)院的一個團隊最近開發(fā)了一種依賴于常規(guī)收集的臨床腦圖像的準確方法。這一進步可能會帶來更準確的診斷。</p> <p>&nbsp;</p> <p>在這項發(fā)表在《公共科學(xué)圖書館&middot;綜合》上的研究中，麻省理工學(xué)院研究員馬修&middot;萊明(Matthew Leming)說。麻省阿爾茨海默病研究中心的研究人員和他的同事們使用了深度學(xué)習(xí)&mdash;&mdash;一種機器學(xué)習(xí)和人工智能，使用大量數(shù)據(jù)和復(fù)雜的算法來訓(xùn)練模型。</p> <p>&nbsp;</p> <p>在這種情況下，科學(xué)家們開發(fā)了一種阿爾茨海默氏癥檢測模型，該模型基于從在彌撒中看到的患有和沒有這種疾病的患者身上收集的腦磁共振圖像(mri)數(shù)據(jù)。2019年之前。</p> <p>&nbsp;</p> <p>接下來，該小組在五個數(shù)據(jù)集上測試了模型-質(zhì)量。2019年之后的通用，2019年之后的布里格姆和婦女醫(yī)院，以及2019年之前和之后的外部系統(tǒng)，看看它是否能夠根據(jù)真實世界的臨床數(shù)據(jù)準確識別阿爾茨海默氏癥，而不受醫(yī)院和時間的影響。</p> <p>&nbsp;</p> <p>總的來說，這項研究涉及了2348名有阿爾茨海默病風(fēng)險的患者的11,103張圖像，以及8456名沒有阿爾茨海默病的患者的26,892張圖像。在所有五個數(shù)據(jù)集中，該模型檢測阿爾茨海默病風(fēng)險的準確率為90.2%。</p> <p>&nbsp;</p> <p>這項工作的主要創(chuàng)新之處在于，它能夠檢測出阿爾茨海默氏癥，而不考慮年齡等其他變量。</p> <p>&nbsp;</p> <p>Leming說:&ldquo;阿爾茨海默病通常發(fā)生在老年人身上，因此深度學(xué)習(xí)模型通常很難檢測到較罕見的早期發(fā)病病例。&rdquo;&ldquo;我們通過讓深度學(xué)習(xí)模型對大腦特征&lsquo;盲目&rsquo;來解決這個問題，它發(fā)現(xiàn)大腦特征與患者的年齡過度相關(guān)。&rdquo;</p> <p>&nbsp;</p> <p>Leming指出，疾病檢測中另一個常見的挑戰(zhàn)，特別是在現(xiàn)實環(huán)境中，是處理與訓(xùn)練集非常不同的數(shù)據(jù)。例如，在通用電氣制造的掃描儀上訓(xùn)練的深度學(xué)習(xí)模型可能無法識別西門子制造的掃描儀上收集的核磁共振圖像。</p> <p>&nbsp;</p> <p>該模型使用不確定性度量來確定患者數(shù)據(jù)是否與訓(xùn)練時的數(shù)據(jù)差異太大，以至于無法成功預(yù)測。</p> <p>&nbsp;</p> <p>&ldquo;這是唯一一項使用常規(guī)收集的大腦核磁共振成像來試圖檢測癡呆癥的研究。雖然已經(jīng)進行了大量通過大腦核磁共振檢測阿爾茨海默氏癥的深度學(xué)習(xí)研究，但這項研究朝著在現(xiàn)實世界的臨床環(huán)境中實際執(zhí)行這項研究邁出了實質(zhì)性的一步，而不是完美的實驗室環(huán)境。&rdquo;Leming說。&ldquo;我們的研究結(jié)果具有跨地點、跨時間和跨人群的普遍性，為這種診斷技術(shù)的臨床應(yīng)用提供了強有力的證據(jù)。&rdquo;</p> <p>&nbsp;</p> <p>其他合著者包括Sudeshna Das和Hyungsoon Im。</p> <p>&nbsp;</p> <p>這項工作得到了國立衛(wèi)生研究院和大韓民國貿(mào)易、工業(yè)和能源部資助的技術(shù)創(chuàng)新計劃的支持，該計劃通過分包給MGH進行管理。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學(xué)態(tài)度觀點。</p> </blockquote>