مرض الزهايمر: الذكاء الاصطناعي يتنبأ بالبدء

يمكن لأداة الذكاء الاصطناعي التي يتم تدريسها لتحليل فحوصات الدماغ أن تتنبأ بدقة بمرض الزهايمر قبل عدة سنوات من التشخيص النهائي.

استخدم الباحثون التصوير المقطعي بالإصدار البوزيتروني لتدريب خوارزمية التعلم العميق للتنبؤ بعلامات مرض الزهايمر.

يقترح الفريق المسؤول أنه بعد مزيد من التحقق ، يمكن للأداة أن تساعد بشكل كبير في الكشف المبكر عن مرض الزهايمر ، مما يمنح العلاج وقتًا لإبطاء المرض بشكل أكثر فعالية.

استخدم الباحثون ، من جامعة كاليفورنيا في سان فرانسيسكو ، صور التصوير المقطعي بالإصدار البوزيتروني (PET) لـ 1002 من أدمغة الأشخاص لتدريب خوارزمية التعلم العميق.

استخدموا 90 في المائة من الصور لتعليم الخوارزمية كيفية اكتشاف ملامح مرض الزهايمر و 10 في المائة المتبقية للتحقق من أدائها.

ثم اختبروا الخوارزمية على صور PET لأدمغة 40 شخصًا آخرين. من هذه الخوارزمية تنبأت بدقة الأفراد الذين سيحصلون على التشخيص النهائي لمرض الزهايمر. في المتوسط ​​، جاء التشخيص بعد أكثر من 6 سنوات من الفحص.

في ورقة عن النتائج التي توصل إليها الأشعة نشر المجلة مؤخرًا ، يصف الفريق كيف أن الخوارزمية "حققت خصوصية بنسبة 82 في المائة وحساسية بنسبة 100 في المائة ، أي بمعدل 75.8 شهرًا قبل التشخيص النهائي".

يقول المؤلف المشارك الدكتور جاي هو سون ، الذي يعمل في قسم الأشعة والتصوير الطبي الحيوي بالجامعة ، "لقد كنا سعداء جدًا بأداء الخوارزمية".

ويضيف: "لقد كان قادرًا على التنبؤ بكل حالة تطورت إلى مرض الزهايمر".

مرض الزهايمر والتصوير المقطعي بالإصدار البوزيتروني

تقدر جمعية الزهايمر أن حوالي 5.7 مليون شخص يعانون من مرض الزهايمر في الولايات المتحدة وأن هذا الرقم من المرجح أن يرتفع إلى ما يقرب من 14 مليون بحلول عام 2050.

لن يفيد التشخيص المبكر والأكثر دقة الأشخاص المتضررين فحسب ، بل يمكن أن يوفر بشكل جماعي حوالي 7.9 تريليون دولار من الرعاية الطبية والتكاليف ذات الصلة بمرور الوقت.

مع تقدم مرض الزهايمر ، فإنه يغير كيفية استخدام خلايا الدماغ للجلوكوز. يظهر هذا التغيير في استقلاب الجلوكوز في نوع من التصوير المقطعي بالإصدار البوزيتروني الذي يتتبع امتصاص شكل مشع من الجلوكوز يسمى 18F-fluorodeoxyglucose (FDG).

من خلال إعطاء تعليمات حول ما يجب البحث عنه ، تمكن العلماء من تدريب خوارزمية التعلم العميق لتقييم صور FDG PET بحثًا عن العلامات المبكرة لمرض الزهايمر.

التعلم العميق "يعلم نفسه"

قام الباحثون بتدريس الخوارزمية بمساعدة أكثر من 2109 صور FDG PET لـ 1002 من أدمغة الأفراد. كما استخدموا بيانات أخرى من مبادرة التصوير العصبي لمرض الزهايمر.

استخدمت الخوارزمية التعلم العميق ، وهو نوع معقد من الذكاء الاصطناعي يتضمن التعلم من خلال الأمثلة ، بشكل مشابه لكيفية تعلم البشر.

يتيح التعلم العميق للخوارزمية "تعليم نفسها" ما الذي تبحث عنه من خلال اكتشاف الاختلافات الدقيقة بين آلاف الصور.

كانت الخوارزمية جيدة مثل ، إن لم تكن أفضل ، الخبراء البشريين في تحليل صور FDG PET.

لاحظ المؤلفون أنه "مقارنةً بقراء الأشعة ، كان أداء نموذج التعلم العميق أفضل ، مع دلالة إحصائية ، في التعرف على المرضى الذين سيواصلون التشخيص السريري لمرض الزهايمر".

التطورات المستقبلية

يحذر الدكتور سون من أن الدراسة كانت صغيرة وأن النتائج تحتاج الآن إلى التحقق من صحتها. سيتضمن ذلك استخدام مجموعات بيانات أكبر والمزيد من الصور الملتقطة بمرور الوقت من أشخاص في عيادات ومؤسسات مختلفة.

في المستقبل ، يمكن أن تكون الخوارزمية إضافة مفيدة إلى مجموعة أدوات اختصاصي الأشعة وتحسن فرص العلاج المبكر لمرض الزهايمر.

يخطط الباحثون أيضًا لتضمين أنواع أخرى من التعرف على الأنماط في الخوارزمية.

إن التغيير في استقلاب الجلوكوز ليس السمة المميزة الوحيدة لمرض الزهايمر ، كما يوضح المؤلف المشارك في الدراسة يونغو سيو ، الأستاذ في قسم الأشعة والتصوير الطبي الحيوي. ويضيف أن التراكم غير الطبيعي للبروتينات يميز المرض أيضًا.

"إذا كان بإمكان FDG PET مع [الذكاء الاصطناعي] التنبؤ بمرض الزهايمر في وقت مبكر ، يمكن أن تضيف لوحة بيتا أميلويد وتصوير بروتين تاو PET بعدًا آخر من القدرة التنبؤية المهمة."

البروفيسور يونغو سيو