Přejít k hlavnímu obsahu

Algoritmus z Litvy dokáže předpovědět Alzheimerovu chorobu s téměř 100 % přesností

redakce 15.09.2021
info ikonka
Zdroj:

Výzkumníci z litevské univerzity KTU v Kaunasu vyvinuli metodu, která dokáže s využitím hlubokého učení (DL, Deep learning) předpovědět ze snímků mozku možný nástup Alzheimerovy choroby s přesností přes 99 procent. Metoda, která využívá analýzu snímků z magnetické rezonance (fMRI), fungovala přesněji, než dříve vyvinuté metody.

Podle WHO (Světové zdravotnické organizace) je Alzheimerova choroba příčinou až 70 % případů demence. Celosvětově je dnes postiženo přibližně 55 milionů lidí a očekává se, že s trendem prodlužování věku se toto číslo každých 20 let zdvojnásobí. A vzhledem ke stárnutí populace se v příštích letech stane nemoc v každém státě nákladnou zátěží pro zdravotní systémy. Lékaři celého světa se proto pokoušejí zvýšit úspěšnost včasné diagnózy Alzheimerovy choroby, aby tak mohli postiženým dát větší šanci na léčbu.

Zpracování obrazu zajišťuje stroj

aialzheimer-1

Pomocí magnetické rezonance lze v mozku identifikovat oblasti, které mohou být signálem nastupující Alzheimerovy choroby. | Zdroj: John Conde/Pixabay

Jedním z možných prvních příznaků Alzheimerovy choroby je Mírná kognitivní porucha (MCI – Mild cognitive impairment), což je fáze mezi očekávaným poklesem kognitivních schopností během normálního stárnutí a počátkem demence. Na základě dřívějších výzkumů lze v mozku identifikovat prostřednictvím magnetické rezonance (fMRI) oblasti, které mohou být s nástupem Alzheimerovy choroby spojeny. Nejranější stádia MCI přitom často nemají téměř žádné jasné příznaky, nicméně v ojedinělých případech je lze neuroimagingem detekovat.

Je sice také teoreticky možné snímky z fMRI analyzovat ručně a pokoušet se určit změny, spojené s Alzheimerovou chorobou. To však vyžaduje nejen specifické odborné znalosti, ale také poměrně dost času. S nasazením aplikace, která využívá Deep learning a další metody AI, lze analýzy snímků značně urychlit. Výsledky diagnostiky a následná léčba se tak mohou k pacientům dostat mnohem rychleji

Cílem je maximální využití dat

aialzheimer-2

Pro identifikaci potenciálních rizik algoritmy zpracovávají velké objemy dat a pracují metodami deep learningu. | Zdroj: Stephen Dawson/Unsplash

Model založený na hlubokém učení byl vyvinut s využitím modifikace konvoluční sítě ResNet 18 ke klasifikaci snímků z magnetické rezonance. Celkem pak pro učení a validaci bylo vybráno 51 443 resp. 27 310 obrázků z datové sady fMRI snímků od 138 subjektů. Model prokázal, že je v dané datové sadě schopen efektivně najít rané příznaky choroby a dosáhnout přesnosti 99,99 %.

Tvůrci algoritmu dále počítají s jeho dalším využitím. Měl by být také implementován do softwaru k širší analýze dat zranitelných skupin, jako jsou osoby starší 65 let, osoby s anamnézou poranění mozku nebo vysokého krevního tlaku atd. Zdravotníci by mohli být lépe informováni o anomáliích, souvisejících s časným nástupem Alzheimerovy choroby.

Výše popsaný model lze také integrovat do složitějších systémů, které analyzují další vzory chování, jako je například sledování pohybů očí, čtení výrazů obličeje, analýza řeči a hlasu, atd. Takovou technologii by pak mohli využívat jak odborní lékaři, tak i potenciální pacienti k sebekontrole. A pokud by cokoli vyvolalo obavy, systém doporučí konzultaci s odborníkem.

Technologie tak mohou medicínu udělat opět dostupnější a levnější. A ačkoli skutečné lékaře asi v dohledné době nenahradí, mohou povzbudit k vyhledání potřebné diagnostiky a včas tak pomoci pacientům.


Máte k článku připomínku? Napište nám

Sdílet článek

Mohlo by se vám líbit








Všechny nejnovější zprávy

doporučujeme