返回列表 回復 發帖

人工智慧能比醫生提早 6 年診斷出阿茲海默症

藉由腦部掃描資料,人工智慧能比醫生提早 6 年診斷出阿茲海默症
黃威翔 14/01/2019 明日科技, 明日醫學

緊貼 明日科學:
透過一種常見的腦部掃描技術,研究人員設計出一種人工智慧演算法,比醫生的臨床診斷提早六年檢查出早期阿茲海默症(Alzheimer’s disease),這讓醫生有機會透過治療來停止該疾病的惡化。

研發動機

美國加州大學舊金山分校(UC San Francisco, UCSF)影像診斷及生醫成像學系(Department of Radiology and Biomedical Imaging)住院醫生孫宰豪博士(Jae Ho Sohn ,音譯)表示:「阿茲海默症治療的一個難處是,當所有臨床症狀開始出現,我們也確診是阿茲海默症時,太多神經元已經死亡,導致整個病況幾乎不可逆轉。」

醫學界目前仍然無法治癒阿茲海默症,但是近幾年有潛力阻止病情惡化的藥物開始出現。然而,為了具有好的療效,這些療程必須在疾病初期開始進行。這個與時間賽跑的疾病,啟發了科學家找尋能及早診斷疾病的方法。

在最近的一項研究中,孫醫師將神經成像結合人工智慧,試著預測患者首次出現記憶障礙時,是否會發展出阿茲海默症,而這也是防止阿茲海默症惡化的最佳時機。

我們推薦: 科學家將人類皮膚細胞轉化為腦細胞,研究阿茲海默症
診斷技術
正電子發射斷層掃描(positron emission tomography, PET)被研究作為症狀惡化前,幫助診斷出阿茲海默症的一種工具。PET 能量測特定化合物含量,例如人腦中的葡萄糖。由於葡萄糖是腦細胞主要的能量來源,若細胞越活躍,消耗的葡萄糖越多。當腦細胞罹病並開始死亡時,消耗的葡萄糖會開始變少,到最後完全不消耗葡萄糖。

其他類型的 PET 掃描可用來尋找與阿茲海默症特別相關的蛋白質,但葡萄糖 PET 掃描較為普遍且較便宜,特別是小型的健康照護機構及開發中國家,也能用來診斷癌症階段。

放射科醫師已使用這些掃描影像,試著透過大腦中,尤其是額葉(frontal lobe)及頂葉(parietal lobe)中葡萄糖減少的幅度,來檢測阿茲海默症。然而,因為阿茲海默症的發展是持續緩慢進行的,因此葡萄糖的變化非常細微,用肉眼難以發現。為了解決這個問題,孫醫師將人工智慧演算法應用於 PET 掃描,以便更可靠的診斷出早期阿茲海默症。

孫醫生表示:「人類放射科醫師非常擅長判斷微小而集中的病徵,例如腦腫瘤;但我們在判斷更緩慢的整體腦部變化的能力仍然有限。由於深度學習在找尋非常細微但緩慢進行的過程上特別強大,所以應用於判斷阿茲海默症似乎是理想且自然的選擇。」

訓練與測試
為了訓練演算法,孫醫師從美國國家衛生研究院(National Institutes of Health)主導的「阿茲海默症神經影像計畫」(Alzheimer’s Disease Neuroimaging Initiative, ADNI)取得影像進行訓練。ADNI 是一個龐大的公開資料庫,裡頭有被診斷為阿茲海默症、輕度認知障礙(mild cognitive impairment)或無疾病的患者之 PET 掃描影像。最終,演算法開始自我學習判斷阿茲海默症的重要特徵。

當研究人員用 1921 張掃描影像進行訓練後,並以兩組新的數據集來測試並評估其表現。第一組的 188 張來自同一個 ADNI 資料庫的影像,但沒有交給演算法進行訓練。另一組則是從 UCSF 記憶與老化中心(Memory and Aging Center)40 位可能具有認知障礙的病患中取得的全新掃描影像。

研究結果發現,這種演算法的表現非常傑出。在第一組資料中,正確辨識出 92% 患有阿茲海默症的患者,而第二組資料的辨識率則達到 98%。此外,在患者接受確診的平均 75.8 個月前,也就是約六年多前就做出了正確的預測。

未來應用面
孫醫師表示:「我相信這個演算法具有很強的臨床相關性。然而,在我們可以真的用來檢測阿茲海默症之前,我們必須以更大量且多樣的病患群來驗證並校正該演算法,最理想的情況是利用來自不同洲、不同國家、醫院及各種不同設定之下的資料。」

若該演算法可以禁得起這些測試的考驗,孫醫師認為可以將其應用於診所中,作為阿茲海默症的預測及診斷工具。如此一來,病患就可以及早接受治療。
返回列表