Искусственный интеллект может предсказать болезнь Альцгеймера до постановки диагноза

1. ИИ был проверен
2. Глубокое обучение становится лучше со временем
3. Заключение

Исследователи из Калифорнийского университета в Сан-Франциско разработали инструмент искусственного интеллекта, который может прогнозировать болезнь Альцгеймера за годы до фактического диагноза. Новая модель ИИ может оказаться очень полезной при лечении пациентов с болезнью Альцгеймера.

ИИ прошел долгий путь от того, когда он впервые стал вещью. Первый большой прорыв в искусственном интеллекте был, когда простая модель могла отличить кошек от видео на YouTube. От этого далеко дошло, и думать, что оно может быть применено и к медицинским наукам, здорово. Было использовано глубокое обучение, и ИИ обучался с использованием позитронно-эмиссионной томографии (ПЭТ) изображений мозга 1002 человека.

Если вы не знакомы с тем, как работает обучение искусственного интеллекта, данные делятся на две категории. Первый из двух - это данные тренировки, другая категория - данные теста. Обычно это разделение 90:10, то есть данные обучения составляют 90% от всех данных, которые мы имеем, тогда как данные теста - только 10%. Это сделано для того, чтобы избежать того, что известно как «переоснащение». Любая модель искусственного интеллекта, которая подходит больше, считается плохой моделью, поскольку она не дает нам реалистичного прогноза для других данных.

Снимки, сделанные здесь, также подавались в алгоритм в формате 90:10. Алгоритм научили определять различные признаки болезни Альцгеймера с помощью этих изображений, а затем его точность проверяли с использованием данных испытаний. Как только алгоритм был полностью обучен, они подвергли его настоящему испытанию.

Изображение: ZDNet

ИИ был проверен

Были сделаны ПЭТ-снимки мозга 40 других людей, которые были переданы в ИИ для прогнозов. Алгоритм предсказал людям, что получит окончательный диагноз болезни Альцгеймера, и он смог сделать это точно. В среднем после сканирования прошло 6 лет, чтобы прогнозы сбылись.

В их бумага Команда объяснила, как их алгоритм достиг 82% точности, особенно при 100 чувствительности, в среднем за 75,8 месяца до окончательного диагноза. Модель показала себя неплохо, и точность выше 80% достаточно хороша для модели глубокого обучения.

Соавтор статьи, доктор Jae Ho Sohn, который работает в отделе радиологии и биомедицинской визуализации университета, сказал:

«Мы были очень довольны производительностью алгоритма».
«Это было в состоянии предсказать каждый случай, который продвинулся к болезни Альцгеймера», добавил он.

Глубокое обучение становится лучше со временем

Самое замечательное в глубоком обучении и искусственном интеллекте в целом в том, что он становится лучше, доступно больше данных. Он продолжает учиться, что помогает ему лучше делать свои прогнозы с течением времени. Если, например, он делает неправильный прогноз, он использует полученные данные и извлекает из них уроки, чтобы снова избежать той же ошибки.

Глубокое обучение - это обучение на примере, так же, как обычно учатся люди. Алгоритм в основном учит себя, глядя на тысячи изображений, которые помечены. Авторы указали, что:

«По сравнению с радиологическими читателями модель глубокого обучения показала лучшие результаты со статистической значимостью при распознавании пациентов, у которых впоследствии будет установлен клинический диагноз [болезнь Альцгеймера]».

Заключение

Несмотря на то, что исследователи придумали что-то многообещающее, они предупредили, что еще предстоит сделать гораздо больше проверок, поскольку исследование проводилось в небольших масштабах. Требуется дальнейшее обучение их модели ИИ, что потребует гораздо больших наборов данных, то есть большего количества изображений, предоставленных большим количеством учреждений.

Тем не менее, искусственный интеллект действительно может быть полезным инструментом в будущем, который может помочь начать процесс лечения еще до окончательного диагноза. Конечный результат может потенциально спасти много жизней. Более того, алгоритм не ограничивается только болезнью Альцгеймера. Исследователи планируют добавить в алгоритм другие типы распознавания, которые сделают его очень универсальным.

В заключение, вот что сказал соавтор исследования Янгхо Сео, профессор кафедры радиологии и биомедицинских изображений:

«Если FDG PET с [искусственным интеллектом] может предсказать болезнь Альцгеймера на этой ранней стадии, то визуализация бета-амилоидной бляшки и PET белка тау может, возможно, добавить другое измерение важной прогностической силы».

связанные с

Похожие

Комментарии