导   读：
根据世界卫生组织的数据，阿尔茨海默症（AD）是痴呆症最常见的原因，占痴呆症患者的70%。在世界范围内，大约有2400万人受到影响，而且这个数字预计每20年将翻一番。
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，可以从大脑图像中预测阿尔茨海默症的发病可能，准确率超过99%。
“世界各地的医学专家试图提高对阿尔茨海默症早期诊断的认识，这为患者提供了从治疗中受益的更好机会。这是来自尼日利亚的博士生Modupe Odusami（研究的第一作者）选择该课题的最重要原因之一。”Odusami的博士生导师、考纳斯理工大学（KTU）信息学院多媒体工程系的研究员Rytis Maskeliūnas说。
委托给机器的图像处理
阿尔茨海默症的首发症状之一可能是轻度认知障碍（MCI），这是介于正常老化的预期认知功能衰退和痴呆症之间的阶段。
基于之前的研究，功能性磁共振成像（fMRI）可以用来识别大脑中可能与阿尔茨海默症发病有关的区域。
MCI的最早期阶段往往几乎没有明显的症状，但可以通过神经影像学检测出来。
然而，尽管理论上是可行的，但手动分析fMRI图像试图识别与阿尔茨海默症有关的变化不仅需要特定的知识，而且还很耗时——应用深度学习和其他人工智能方法可以大大加快这一过程的时间。
找到MCI特征并不一定意味着疾病的存在，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帮助，以引导医疗专业人员的评估。
“现代信号处理技术允许将图像处理委托给机器，它可以更快、更准确地完成。当然，我们不敢建议医学专家百分之百地依赖任何算法。机器能够完成最繁琐的数据分类和搜索特征的任务。计算机算法筛选出了可能受影响的病例后，专家可以更仔细地研究它们。”Maskeliūnas说。
我们需要充分利用数据
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合作开发的，他们修改了18层深度残差网络（ResNet18），对138名受试者的fMRI图像进行分类。
这些图像被分为六个不同的类别：从健康到MCI到阿尔茨海默症的光谱。
研究人员总共从阿尔茨海默症神经成像计划fMRI数据集中选择了51443张和27310张图像进行训练和验证。
该模型能够在给定的数据集中有效地找到MCI的特征。
对于早期MCI与AD、晚期MCI与AD、MCI与早期MCI，分别达到了99.99%、99.95%和99.95%的最佳分类精度。
“这不是第一次尝试从类似的数据中诊断阿尔茨海默症的早期发病，我们的主要突破是算法的准确性。显然，如此高的数字并不是真实的现实表现的指标，但我们正在与医疗机构合作，以获得更多的数据。”Maskeliūnas说。
据Maskeliūnas说，该算法可以开发成软件，分析从敏感群体中（65岁以上、有脑损伤史、高血压等）收集的数据，并通知医务人员与阿尔茨海默症早期发病有关的异常情况。
“我们需要充分利用数据。”Maskeliūnas说，“这就是为什么我们的研究小组专注于欧洲的开放科学原则，任何人都可以使用我们的研究并进一步发展它。我相信，这一原则对社会进步有很大的贡献。”
Maskeliūnas说，上述模型可以被整合到一个更复杂的系统中，分析几个不同的参数（例如还可以监测眼球运动的跟踪、面部阅读、语音分析等）。这样的技术就可以用于自我检查，如果有什么引起关注的健康问题，可以提醒使用者寻求专业建议。
来源：好医生、医改界
继续阅读
阅读原文
关键词
方法
研究人员
痴呆症
症状