预测阿尔茨海默氏症的算法几乎100%准确

根据世界卫生组织的数据，阿尔茨海默病是导致痴呆症的最常见原因，导致高达70%的痴呆症病例。全世界约有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一项代价高昂的公共卫生负担。

“世界各地的医疗专业人员都在努力提高人们对早期阿尔茨海默氏症诊断的认识，这为患者提供了更好的机会从治疗中受益。这是尼日利亚博士生Modupe Odusami选择课题时最重要的问题之一，”Rytis说Maskeliūnas他是考纳斯理工大学(KTU)信息学学院多媒体工程系的研究员，也是Odusami的博士导师。

图像处理委托给机器

阿尔茨海默氏症可能的最初症状之一是轻度认知障碍(MCI)，这是正常衰老和痴呆症之间预期的认知能力下降的阶段。根据先前的研究，功能性磁共振成像(fMRI)可用于识别大脑中可能与阿尔茨海默病发病相关的区域Maskeliūnas．MCI的早期阶段通常几乎没有明显的症状，但在相当多的情况下可以通过神经影像学检测到。

然而，尽管理论上是可能的，人工分析功能磁共振成像图像，试图识别与阿尔茨海默氏症相关的变化，不仅需要特定的知识，而且耗时——深度学习和其他人工智能方法的应用可以大大加快这一过程。发现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进行评估。

“现代信号处理允许将图像处理委托给机器，它可以更快、足够准确地完成。当然，我们不敢建议医学专业人士应该百分之百地依赖任何算法。把机器想象成一个机器人，它能够完成最乏味的任务，比如对数据进行排序和搜索特征。在这种情况下，在计算机算法选择可能受影响的病例后，专家可以更仔细地研究他们，最后，每个人都受益，因为诊断和治疗更快地到达患者手中，”他说Maskeliūnas他负责监督开发该模型的团队。

我们需要充分利用数据

基于深度学习的模型是由立陶宛人工智能领域的领先研究人员进行的富有成效的合作开发的，使用著名的微调ResNet 18(残余神经网络)的修改来对从138个受试者获得的功能性MRI图像进行分类。这些图片分为六个不同的类别:从健康到轻度认知障碍(MCI)，再到阿尔茨海默氏症。总共有51443张和27310张来自阿尔茨海默病神经成像计划fMRI数据集的图像被选择用于训练和验证。

该模型能够有效地找到给定数据集中的MCI特征，对早期MCI与AD、晚期MCI与AD以及MCI与早期MCI分别实现了99.99%、99.95%和99.95%的最佳分类精度。

“虽然这不是第一次尝试从类似的数据中诊断早期阿尔茨海默氏症，但我们的主要突破是算法的准确性。显然，如此高的数字并不能反映真实生活中的表现，但我们正在与医疗机构合作，以获得更多数据。Maskeliūnas．

据他介绍，该算法可以开发成软件，用于分析从弱势群体(65岁以上、有脑损伤史、高血压史等)收集的数据，并将与阿尔茨海默病早期发病相关的异常情况通知医疗人员。亚博高登棋牌网页版

“我们需要充分利用数据，”他说Maskeliūnas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。我相信这一原则对社会进步有很大的贡献。”

Maskeliūnas。t他的主要研究领域是现代人工智能方法在信号处理和多模态接口上的应用，他说，上述模型可以集成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跟踪、面部阅读、语音分析等。这种技术可以用于自我检查和警报，如果有任何问题引起关注，可以寻求专业建议。

“技术可以让药物更容易获得，更便宜。尽管它们永远不会(至少不会很快)真正取代医疗专业人员，但技术可以鼓励人们及时寻求诊断和帮助，”他说Maskeliūnas．