Alzheimer: Künstliche Intelligenz sagt den Beginn voraus
Ein künstliches Intelligenz-Tool zur Analyse von Gehirn-Scans kann die Alzheimer-Krankheit mehrere Jahre vor einer endgültigen Diagnose genau vorhersagen.
Das zuständige Team schlägt vor, dass das Tool nach weiterer Validierung die Früherkennung von Alzheimer erheblich unterstützen und den Behandlungen Zeit geben könnte, die Krankheit wirksamer zu verlangsamen.
Die Forscher von der University of California in San Francisco verwendeten Positronenemissionstomographie (PET) -Bilder von 1.002 Gehirnen von Menschen, um den Deep-Learning-Algorithmus zu trainieren.
Sie verwendeten 90 Prozent der Bilder, um dem Algorithmus beizubringen, wie Merkmale der Alzheimer-Krankheit erkannt werden, und die restlichen 10 Prozent, um ihre Leistung zu überprüfen.
Anschließend testeten sie den Algorithmus an PET-Bildern des Gehirns von weiteren 40 Personen. Aus diesen prognostizierte der Algorithmus genau, welche Personen eine endgültige Diagnose von Alzheimer erhalten würden. Im Durchschnitt kam die Diagnose mehr als 6 Jahre nach den Scans.
In einem Papier über die Ergebnisse, die die Radiologie Das kürzlich veröffentlichte Journal beschreibt, wie der Algorithmus „eine Spezifität von 82 Prozent bei einer Sensitivität von 100 Prozent erreicht hat, durchschnittlich 75,8 Monate vor der endgültigen Diagnose“.
"Wir waren sehr zufrieden", sagt Co-Autor Dr.Jae Ho Sohn, der in der Abteilung für Radiologie und biomedizinische Bildgebung der Universität arbeitet, "mit der Leistung des Algorithmus".
"Es war in der Lage, jeden einzelnen Fall vorherzusagen, der zur Alzheimer-Krankheit führte", fügt er hinzu.
Alzheimer-Krankheit und PET-Bildgebung
Die Alzheimer-Vereinigung schätzt, dass in den USA rund 5,7 Millionen Menschen mit Alzheimer leben und dass diese Zahl bis 2050 voraussichtlich auf fast 14 Millionen ansteigen wird.
Eine frühere und genauere Diagnose würde nicht nur den Betroffenen zugute kommen, sondern könnte im Laufe der Zeit insgesamt etwa 7,9 Billionen US-Dollar an medizinischer Versorgung und damit verbundenen Kosten einsparen.
Mit fortschreitender Alzheimer-Krankheit ändert sich die Art und Weise, wie Gehirnzellen Glukose verwenden. Diese Veränderung des Glukosestoffwechsels zeigt sich in einer Art PET-Bildgebung, die die Aufnahme einer radioaktiven Form von Glukose namens 18F-Fluordesoxyglukose (FDG) verfolgt.
Durch Anweisungen, wonach zu suchen ist, konnten die Wissenschaftler den Deep-Learning-Algorithmus trainieren, um die FDG-PET-Bilder auf frühe Anzeichen von Alzheimer zu untersuchen.
Deep Learning „lehrt sich selbst“
Die Forscher lehrten den Algorithmus mithilfe von mehr als 2.109 FDG-PET-Bildern von 1.002 Gehirnen von Personen. Sie verwendeten auch andere Daten der Alzheimer Disease Neuroimaging Initiative.
Der Algorithmus verwendete Deep Learning, eine komplexe Art künstlicher Intelligenz, bei der anhand von Beispielen gelernt wird, ähnlich wie beim Lernen von Menschen.
Deep Learning ermöglicht es dem Algorithmus, sich selbst beizubringen, wonach er suchen muss, indem er subtile Unterschiede zwischen den Tausenden von Bildern erkennt.
Der Algorithmus war so gut wie, wenn nicht sogar besser als menschliche Experten bei der Analyse der FDG-PET-Bilder.
Die Autoren stellen fest, dass "im Vergleich zu Radiologie-Lesern das Deep-Learning-Modell mit statistischer Signifikanz eine bessere Leistung bei der Erkennung von Patienten erbrachte, bei denen später eine klinische Diagnose der [Alzheimer-Krankheit] gestellt wurde".
Zukünftige Entwicklungen
Dr. Sohn warnt davor, dass die Studie klein war und die Ergebnisse nun validiert werden müssen. Dies beinhaltet die Verwendung größerer Datensätze und mehr Bilder, die im Laufe der Zeit von Personen in verschiedenen Kliniken und Institutionen aufgenommen wurden.
In Zukunft könnte der Algorithmus eine nützliche Ergänzung der Toolbox des Radiologen sein und die Möglichkeiten für eine frühzeitige Behandlung der Alzheimer-Krankheit verbessern.
Die Forscher planen auch, andere Arten der Mustererkennung in den Algorithmus aufzunehmen.
Die Veränderung des Glukosestoffwechsels ist nicht das einzige Kennzeichen von Alzheimer, erklärt Studienkoautor Youngho Seo, Professor an der Abteilung für Radiologie und biomedizinische Bildgebung. Ein abnormaler Aufbau von Proteinen charakterisiert auch die Krankheit, fügt er hinzu.
"Wenn FDG-PET mit [künstlicher Intelligenz] die Alzheimer-Krankheit so früh vorhersagen kann, kann die PET-Bildgebung mit Beta-Amyloid-Plaque und Tau-Protein möglicherweise eine weitere Dimension wichtiger Vorhersagekraft hinzufügen."
Prof. Youngho Seo
