محققان در تشخیص علائم بیماری آلزایمر با استفاده از تستهای تصویربرداری مغز با کیفیت بالا گامهایی برداشتهاند، اما اخیراً تیمی در بیمارستان ماساچوست روشی دقیق برای تشخیص ابداع کردهاند که متکی بر تصاویر بالینی مغز است. این پیشرفت می تواند منجر به تشخیص دقیق تر شود.
دانشمندان برای این مطالعه از یادگیری عمیق استفاده کردند که از مقادیر زیاد داده و الگوریتم های پیچیده برای آموزش مدل ها استفاده می کند. در این مورد، دانشمندان مدلی را برای تشخیص بیماری آلزایمر بر اساس داده های تصاویر تشدید مغناطیسی مغز (MRI) جمع آوری شده از بیماران سالم و مبتلا به آلزایمر توسعه دادند.
به طور کلی، این تحقیق شامل 11103 تصویر از 2348 بیمار در معرض خطر ابتلا به بیماری آلزایمر و 26892 تصویر از 8456 نفر بدون این بیماری بود. در هر پنج مجموعه داده، این مدل خطر ابتلا به بیماری آلزایمر را با دقت 90.2 درصد تشخیص داد.
از جمله نوآوری های اصلی این کار، توانایی آن در تشخیص بیماری آلزایمر بدون توجه به متغیرهای دیگر، مانند سن بود. بیماری آلزایمر معمولاً در افراد مسنتر اتفاق میافتد، بنابراین مدلهای یادگیری عمیق اغلب در تشخیص موارد نادر زودرس مشکل دارند. این ابزار ممکن است به پزشکان در شناسایی زودتر بیمارانی که از درمان سود می برند کمک کند.
دانشمندان پیش از این آزمایشی مبتنی بر خون ایجاد کردند که برای پیش بینی خطر ابتلا به بیماری آلزایمر تا 3.5 سال قبل از تشخیص بالینی مورد استفاده قرار می گیرد.
|