Hamelion

Оперативные новости, плюрализм мнений

Наука

Алгоритм искусственного интеллекта диагностирует болезнь Альцгеймера

Алгоритм машинного обучения обнаруживает ранние стадии болезни Альцгеймера с помощью функциональной магнитно-резонансной томографии.

Карта изменений уровня кислорода в мозге во времени
Карта изменений уровня кислорода в мозге во времени

Об этом 29 октября 2019 года сообщило информационное агентство ScienceDaily.

Болезнь Альцгеймера (БА) — это нейродегенеративное заболевание, которым страдает часть пожилого населения во всем мире. Она наносит непоправимый ущерб мозгу и серьезно ухудшает качество жизни пациентов. К сожалению, БА нельзя вылечить, но раннее выявление может позволит смягчить симптомы и замедлить развитие заболевания с помощью лекарств.

Функциональная магнитно-резонансная томография (ФМРТ) — это неинвазивный метод диагностики заболеваний головного мозга, который измеряет динамику мельчайших изменений уровня кислорода в крови в головном мозгу, которая является показателем локальной активности нейронов. Несмотря на свои преимущества, ФМРТ не получила широкого распространения в клинической диагностике по двум причинам. Во-первых, изменения сигналов ФМРТ настолько малы, что они чрезмерно чувствительны к шуму, и это может испортить результаты расшифровки. Во-вторых, данные ФМРТ сложно анализировать. И здесь на помощь приходят алгоритмы глубокого обучения.

В недавнем исследовании, опубликованном в Journal of Medical Imaging, ученые из Техасского технологического университета использовали алгоритмы машинного обучения для классификации данных ФМРТ. Они разработали тип алгоритма глубокого обучения, известный как сверхточная нейронная сеть (CNN), который может различать сигналы ФМРТ здоровых людей, людей с легкими когнитивными нарушениями и людей с БА.

CNN могут автономно извлекать из входных данных информацию, скрытую от наблюдателей. Они получают эту информацию через обучение, для чего требуется большой объем предварительно классифицированных данных. CNN преимущественно используются для классификации 2D-изображений, а это означает, что четырехмерные данные (три пространственных и один временной) представляют проблему. Данные ФМРТ несовместимы с большинством существующих проектов CNN.

Карта изменений уровня кислорода в мозге во времени
Карта изменений уровня кислорода в мозге во времени

Чтобы решить эту задачу, исследователи разработали архитектуру CNN, которая может надлежащим образом обрабатывать данные ФМРТ с минимальным количеством шагов предварительной обработки. Первые два слоя сети сосредоточены на извлечении характеристик, которые c помощью цветовых маркеров показывают изменения уровня кислорода в мозге во времени, без учета трехмерных показателей структуры мозга. Затем три последующих слоя сети извлекают трёхмерные характеристики мозга в каждом цветовом маркере из ранее полученных временных характеристик. Это дает набор пространственно-временных характеристик, которые используются последними слоями для классификации входных данных ФМРТ, полученных от здорового субъекта, человека с ранним или поздним умеренным когнитивным нарушением или пациента с БА.

Процесс обработки данных ФМРТ в сверхточной нейронной сети (CNN)
Процесс обработки данных ФМРТ в сверхточной нейронной сети (CNN)

Эта стратегия предлагает много преимуществ по сравнению с предыдущими попытками объединить машинное обучение с ФМРТ для диагностики БА. Харшит Пармар, докторант из Техасского технологического университета и ведущий автор исследования, объясняет, что наиболее важный аспект их работы заключается в качествах архитектуры их CNN. Новая архитектура проста, но эффективна для обработки сложных данных ФМРТ, которые могут подаваться в качестве входных данных в CNN без каких-либо значительных манипуляций или изменений структуры данных. В свою очередь, это уменьшает размер необходимых вычислительных ресурсов и позволяет алгоритму делать прогнозы быстрее.

Пармар склоняется к тому, что методы глубокого обучения могут улучшить область обнаружения и диагностики БА.

«CNN с глубоким обучением можно использовать для извлечения функциональных биомаркеров, связанных с БА, которые могут быть полезны при раннем выявлении деменции, связанной с БА», — объясняет он.

Исследователи обучили и протестировали свою CNN на общедоступных данных ФМРТ, и первые результаты были многообещающими: точность классификации их алгоритма была такой же или выше, чем у других методов.

Если эти результаты подходят для больших наборов данных, их клиническое значение может быть огромным.

«От болезни Альцгеймера пока нет лекарства. И хотя повреждение мозга нельзя обратить вспять, прогрессирование болезни можно уменьшить и контролировать с помощью лекарств, — считают авторы исследования. — Наш классификатор может точно идентифицировать стадии легких когнитивных нарушений, которые служат ранним предупреждением БА».

Читайте ранее в этом сюжете: Deloitte изучила пользу искусственного интеллекта для здравоохранения

Источник