AI提早6年预测老年痴呆症，灵敏度达到100%

编译：chux

出品：ATYUN订阅号

老年痴呆症影响超过500万美国人，预计到2050年这一数字将增加到1600万。早期干预可以帮助减轻最令人虚弱的症状，即记忆丧失以及阅读和组织思想的问题，但不幸的是，它仍然是最具挑战性的神经系统疾病。

不过可能会有希望，加州大学伯克利分校放射与生物医学成像系和放射学大数据小组（BDRAD，一个研究放射学数据科学的多学科医学和工程师团队）的研究人员在一项新发表的研究中描述了一种能够通过脑部扫描预测老年痴呆症的AI系统。

他们的论文“A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease Using 18F-FDG PET of the Brain”将于本周发表在Radiology杂志上。

“大脑中葡萄糖摄取模式的差异是非常微妙和分散的，”共同作者Jae Ho Sohn博士说，“人们善于发现疾病的特定生物标志物，但代谢变化代表了一个更加全球化和微妙的过程。”

他们不是第一个将AI应用于老年痴呆症研究的人，但加州大学伯克利分校的团队选择专注于以前没有用来训练AI模型的化学标记。

他们在18-F-氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）上训练了深度学习算法，这是一种专门的成像技术，患者注射FDG，一种放射性葡萄糖化合物，在这种情况下，这允许放射科医师和AI系统通过PET扫描测量脑细胞的摄取。它是代谢活动的指标。

研究人员根据老年痴呆症神经影像学计划（ADNI）建立了一个语料库，该计划数据库包含来自1,002名患者的2,100多个FDG-PET脑图像（大约10％的样本用于检测）。在对数据集进行训练后，AI系统可以跟踪大脑某些区域的葡萄糖摄取的微小变化，这在正常情况下很难被发现。

在对来自40名患者的40个成像检查的单独测试中，AI系统提早6年多预测老年痴呆症时达到了100％的灵敏度。

“我们对算法的性能非常满意，”Sohn博士说，“它能够预测每一例发展为老年痴呆症的病例。”

该团队也表示，目前研究这处于早期阶段，测试样本量相对较小。但他们认为该系统可用于补充放射科医师的工作，并且它可以作为AI的基础，可以识别β淀粉样蛋白和tau蛋白积累，异常蛋白质团块和其他与老年痴呆症相关的生物学标记。