互联网2023-03-04 12:14:15
(资料图片仅供参考)
尽管研究人员在使用作为研究的一部分收集的高质量脑成像测试来检测阿尔茨海默氏病的迹象方面取得了长足的进步，但马萨诸塞州总医院 (MGH) 的一个团队最近开发了一种准确的检测方法，该方法依赖于常规收集的临床脑图像。这一进步可能会导致更准确的诊断。
对于发表在PLOS ONE上的这项研究，MGH 系统生物学中心的研究员兼马萨诸塞州阿尔茨海默病研究中心的研究员 Matthew Leming 博士和他的同事使用了深度学习——一种机器使用大量数据和复杂算法来训练模型的学习和人工智能。
在这种情况下，科学家们根据从 2019 年之前在麻省总医院就诊的患有和未患有阿尔茨海默病的患者收集的脑磁共振图像 (MRI) 数据，开发了一种阿尔茨海默病检测模型。
接下来，该小组在五个数据集(2019 年后的 MGH、2019 年前后的布莱根妇女医院以及 2019 年前后的外部系统)上测试了该模型，以查看它是否能够根据真实数据准确检测阿尔茨海默氏病。世界临床数据，不分医院和时间。
总体而言，该研究涉及来自 2,348 名有阿尔茨海默病风险的患者的 11,103 张图像和来自 8,456 名未患阿尔茨海默病患者的 26,892 张图像。在所有五个数据集中，该模型检测阿尔茨海默病风险的准确率为 90.2%。
这项工作的主要创新之一是它能够检测阿尔茨海默病，而不管其他变量，如年龄。“阿尔茨海默氏病通常发生在老年人身上，因此深度学习模型通常难以检测出更罕见的早发病例，”Leming 说。“我们通过让深度学习模型对它发现与患者列出的年龄过度相关的大脑特征‘视而不见’来解决这个问题。”
