Comm Med | AI準確預測98%阿爾茨海默病患者

原創?圖靈基因?圖靈基因?2022-07-08 09:56?發表于江蘇

收錄于合集#前沿生物大數據分析

倫敦帝國理工學院的研究人員開發了一種機器學習工具，通過分析大腦內的結構特征，包括以前與阿爾茨海默病無關的區域，可以通過單次磁共振成像（MRI）掃描診斷阿爾茨海默病。該團隊表示，該技術的優勢在于其簡單性以及它可以在早期階段識別疾病的事實，否則阿爾茨海默病可能很難診斷。

研究負責人、帝國理工學院外科和癌癥系教授Eric Aboagye博士說：“目前，沒有其他簡單且廣泛可用的方法可以如此準確地預測阿爾茨海默病，因此我們的研究是向前邁出的重要一步。許多在記憶門診就診的阿爾茨海默病患者也確實有其他神經系統疾病，但即使在這一組中，我們的系統也可以將患有阿爾茨海默病的患者與沒有患阿爾茨海默病的患者區分開來。”

Aboagye及其同事在《Communications Medicine》上的一篇題為“A predictive model using the mesoscopic architecture of the living brain to detect Alzheimer’s disease”的論文中報告了他們的工作。他們在論文中總結道，“這種新的數據分析方法顯示了提高阿爾茨海默病診斷準確性的潛力。”

作者解釋說，阿爾茨海默病是癡呆癥最常見的病因，會影響記憶、思維和行為。這種疾病影響了英國超過50萬人，其中大部分是65歲以上的人，盡管年輕人也可能患上阿爾茨海默氏癥。癡呆癥最常見的癥狀是記憶力減退以及思考、解決問題和語言方面的障礙。

雖然阿爾茨海默病沒有治愈方法，但在早期快速得到診斷對患者有幫助。這使他們能夠獲得幫助和支持，獲得治療以控制癥狀，并為未來制定計劃。能夠在疾病的早期準確識別患者也將有助于研究人員了解引發疾病的大腦變化，并支持新療法的開發和試驗。然而，研究人員繼續說道，“診斷阿爾茨海默病可能具有挑戰性，這可能導致患者治療不理想。”

醫生目前使用一系列測試來診斷阿爾茨海默病，包括記憶和認知測試以及腦部掃描。掃描用于檢查大腦中的蛋白質沉積和海馬體的收縮，海馬體是大腦中與記憶相關的區域。所有這些測試可能需要幾周的時間來安排和處理。

新方法只需要在大多數醫院常見的標準1.5?Tesla機器上進行一次MRI腦部掃描。研究人員采用了一種用于癌癥腫瘤分類的算法，并將其應用于大腦。他們將大腦分為115個區域，并分配了660個不同的特征，例如大小、形狀和紋理，以評估每個區域。然后，他們對算法進行了訓練，以確定這些特征的哪些變化可以準確預測阿爾茨海默病的存在，甚至在大腦明顯萎縮之前。研究人員解釋道：“對于每位患者，使用兩階段最小絕對收縮和選擇算子（LASSO）推導出一種稱為‘阿爾茨海默氏癥預測向量’（ApV）的生物標志物。”

利用阿爾茨海默病神經影像學計劃的數據，該團隊測試了他們對400多名早期或晚期阿爾茨海默病患者、健康對照組和其他神經系統疾病患者（包括額顳葉癡呆和帕金森病）的腦部掃描方法。他們還利用帝國理工學院醫療保健NHS信托基金會80多名接受阿爾茨海默病診斷測試的患者的數據對該方法進行了測試。

他們發現，在98%的病例中，僅基于MRI的機器學習系統就可以準確預測患者是否患有阿爾茨海默病。它還能夠在79%的患者中以相當高的準確度區分早期和晚期阿爾茨海默病。

研究人員表示：“這種方法提供了一種能夠檢測AD早期階段的生物標志物，具有顯著改善臨床決策支持系統的潛力。我們的ApV功能強大，可在MRI掃描中重復使用，顯示出其在未來臨床實踐中的應用潛力。”該方法也不需要“主題專家”，因為它使用既定的軟件進行大腦分割和放射組學分析，作者繼續說道。“該算法計算手動設計的特征，可以輕松解釋ApV并促進臨床轉化。”

Aboagye指出，“等待診斷對患者及其家人來說可能是一種可怕的經歷。如果我們可以縮短他們必須等待的時間，使診斷過程變得更簡單，并減少一些不確定性，那將有很大幫助。我們的新方法還可以識別早期患者進行新藥治療或改變生活方式的臨床試驗，這一點目前很難做到。”

新系統發現了以前與阿爾茨海默病無關的大腦區域的變化，包括小腦（大腦中協調和調節身體活動的部分）和腹側間腦（與感覺、視覺和聽覺相關）。這為研究這些領域及其與阿爾茨海默病的聯系開辟了潛在的新途徑。

共同作者Paresh Malhotra博士是帝國理工學院醫療保健NHS信托基金的顧問神經學家，也是帝國理工學院腦科學系的研究員，他說：“雖然神經放射學家已經解釋了MRI掃描來幫助診斷阿爾茨海默病，但掃描結果可能有一些甚至專家都看不見的特征。使用一種能夠選擇大腦中受阿爾茨海默病影響的紋理和細微結構特征的算法，可以真正增強我們從標準成像技術中獲得的信息。”

總之，該團隊得出結論：“……本研究提出了一種無監督的方法，用于開發基于MRI的生物標志物，用于AD的生物學表征。ApV具有可重復性和耐用性。它可以通過人工設計特征的計算來輕松計算，并且可以隨時集成到臨床決策支持系統中，而無需額外的采樣或患者測試。”