人工智能预测老年痴呆症’；s疾病的准确率超过99%！

目前，我们对阿尔茨海默病(AD)没有有效的治疗方法，但早期诊断和早期干预可以提高患者的生存率。最近，立陶宛考纳斯大学的研究人员基于之前对AD的早期检测，开发了一种基于深度学习和人工智能的新算法。通过识别与阿尔茨海默病发病相关的大脑区域，甚至一些早期没有明显症状的患者，可以接近100%的准确率预测阿尔茨海默病。

阿尔茨海默病(AD)是一种起病隐匿的进行性神经退行性疾病。临床表现为记忆障碍、失语、失用、认知障碍、视觉空间技能障碍、执行功能障碍、人格和行为改变等痴呆。病因尚不清楚。65岁之前患上这种疾病的人被称为阿尔茨海默病;那些65岁以后患上这种疾病的人被称为阿尔茨海默病，它影响着世界上大多数的老年人口。因此，对这种疾病的早期诊断，建立有效的护理和改善患者生活的必要性再强调也不为过。

立陶宛考纳斯大学的研究人员开发了一种基于深度学习的方法，可以通过大脑图像预测阿尔茨海默病的可能发病率，准确率超过99%。

在《诊断学》发表题为《阿尔茨海默病特征分析:利用微调ResNet18网络从磁共振图像中功能性脑变化检测早期》的文章

该方法对138例患者进行了MRI功能成像分析，MRI成像的准确性、敏感性和特异性均优于以往的方法。

根据世界卫生组织的数据，阿尔茨海默病是痴呆症最常见的病因，占痴呆症病例的70%。全世界大约有2400万人受到影响，预计这一数字每20年将翻一番。由于社会老龄化，这种疾病将在未来几年成为昂贵的公共卫生负担。

“世界各地的医疗专业人士都在努力提高人们对阿尔茨海默病早期诊断的认识，这为患者提供了更好的治疗获益的机会。这也是尼日利亚博士生Modupe Odusami选择课题时最重要的问题。这是这个问题的一个主题。”考纳斯理工大学信息工程系多媒体工程系研究员Rytis Maskeliūnas曾说，他也是Odusami的博士导师。

分析阿尔茨海默病(AD)的特征，基于最新技术创造更有效、更准确的工具。目前，早期发现AD的方法主要有神经成像技术、行为与情感分析(一般称为认知方法)、认知测试等。行为分析方法有助于检测日常生活活动中常见问题的不规则反应，其中一些包括在患者家中安装传感器。这种策略的主要缺点之一是它有很多局限性，因为在病人家中安装传感器需要得到他们的许可。

阿尔茨海默病的早期症状之一可能是轻度认知障碍(MCI)，这是介于正常衰老和痴呆之间的阶段。Maskeliūnas表示，基于此前的研究，功能性磁共振成像(fMRI)可以用来识别与阿尔茨海默病发病相关的大脑区域。MCI的早期通常没有明显的症状，但在相当多的病例中，可以通过神经影像学检测到。

然而，尽管理论上可行，手动分析功能磁共振成像图像，试图识别与阿尔茨海默病相关的变化，不仅需要特定的知识，而且需要时间。深度学习等人工智能方法的应用可以大大加快这一速度。MCI特征的发现并不一定意味着有疾病，因为它也可能是其他相关疾病的症状，但它更像是一个指标和可能的助手，可以指导医学专业人员进行评估。

“现代信号处理允许将图像处理委托给机器，机器可以更快、更准确地完成图像处理。当然，我们不敢建议医疗专业人员100%依赖任何算法。把机器想象成机器人。完成最繁琐的任务，整理数据，搜索特征。在这种情况下，计算机算法选择了可能受影响的病例后，专家可以更仔细地研究这些病例，最终，更快地诊断和治疗，如果它到达患者的手中，每个人都将受益。模型研究小组负责人Maskeliūnas说。

这个基于深度学习的模型是由立陶宛人工智能领域的研究人员进行卓有成效的合作开发的。该模型利用著名的ResNet 18(残差神经网络)获取138例被试的功能性MRI图像。这些图像被分为六类:从健康到轻度认知障碍(MCI)到老年痴呆症。总共研究了78,753张图像。为了进行评价，将数据集分为训练数据集和验证数据集。分割率分别为70%(共51443张图像)和30%(共27310张图像)。

这项研究的数据来自ADNI(阿尔茨海默病神经成像倡议)数据库(http://adni.loni.usc.edu/)。

该模型能有效地发现给定数据集中的MCI特征。对于早期MCI和AD、晚期MCI和AD、MCI和早期MCI，最佳的分类准确率分别为99.99%、99.95%和99.95%。

Maskeliūnas表示:“尽管这不是第一次尝试从类似数据诊断早发型阿尔茨海默病，但我们的主要突破是算法的准确性。显然，这么高的数字并不代表现实。但我们正在与医疗机构合作，以获取更多数据。”

他表示，该算法可以开发成软件，用于分析弱势群体(65岁以上、有脑损伤史、高血压等)收集的数据，并告知医务人员早发型阿尔茨海默病相关数据的异常情况。

Maskeliūnas表示:“我们需要充分利用数据。”“这就是为什么我们的研究小组专注于欧洲开放科学原则，这样任何人都可以使用我们的知识并进一步发展它们。我认为这一原则对社会进步具有重要意义。贡献。”

主要研究领域是现代人工智能方法在信号处理和多模式接口中的应用。他说，上面的模型可以集成到一个更复杂的系统中来分析几个不同的参数，例如，它还可以监测眼球运动。跟踪、“面部识别”、声音分析等。这种技术可以用于自我检查和提醒。如果有任何问题引起你的担忧，你可以寻求专业的建议。

Maskeliūnas表示:“技术可以让药品更容易获得，也更便宜。虽然他们永远不会(至少不会很快)真正取代医疗专业人员，但技术可以鼓励迅速诊断和帮助。”

(来源:互联网,仅参考)