Kecerdasan Buatan Dipelajari untuk Menemukan Penyakit Alzheimer di Otak 6 Tahun Sebelum Diagnosis

Menggunakan gambar dari pemindaian otak konvensional, para peneliti mampu mengajarkan algoritma untuk menentukan tahap awal perkembangan penyakit Alzheimer - 6 tahun sebelum kesimpulan medis yang sama di klinik memberikan kesimpulan yang sama. Hal ini memungkinkan satu pukulan lagi ke salah satu penyakit terburuk (penyebab utama kematian ketiga di negara maju setelah masalah jantung dan kanker).

Sejauh ini, tidak ada obat untuk memulihkan kemampuan kognitif pasien dengan demensia, kecuali mungkin untuk meringankan gejalanya. Namun secara harfiah dalam beberapa bulan terakhir, cara-cara potensial untuk memerangi perkembangan penyakit sudah mulai muncul. Baru-baru ini di Habré ada artikel Dale Bredesen yang membantu 100 pasien. Dan Anavex mengembangkan obat A2-73 , yang menghentikan perkembangan Alzheimer pada 30% pasien.

Tetapi semua ini tidak berhasil pada tahap akhir dari perkembangan penyakit. Untuk keberhasilan penerapan teknik apa pun, Anda memerlukan otak yang masih memiliki sesuatu untuk dijalankan. Dan kami belum belajar bagaimana menemukan penyakit Alzheimer sebelum efeknya sudah mulai berdampak negatif pada kehidupan pasien.

Dengan ini, AI harus membantu kami. Temukan penyakit yang mengerikan sehingga orang dapat melakukan sesuatu dengannya. Sistem baru ini dikembangkan oleh para ilmuwan di University of California, San Francisco di bawah kepemimpinan Dr. Jae Ho Son . Mereka mengajarkan kecerdasan buatan untuk menganalisis gambar tomografi untuk menemukan koneksi yang memprediksi munculnya penyakit Alzheimer di masa depan. Karya mereka (lebih dari 20 penulis!) Dapat dibaca di jurnal Radiology , ini telah menjadi yang paling populer untuk keseluruhan tahun 2018.

Jae Ho Song menjelaskan ide proyeknya:

Salah satu masalah utama dengan Alzheimer adalah ketika Anda mulai memiliki gejala klinis, terlalu banyak neuron di otak Anda sudah mati, dan, pada kenyataannya, prosesnya tidak dapat dibalikkan. Kita harus mulai melakukan sesuatu sebelum itu.

Dalam sebuah karya baru, Son dan timnya menggabungkan kemampuan neuroimaging dengan pembelajaran mesin, dan "memberi makan" mesin 2109 gambar dari 1002 pasien dari 2005 hingga 2017. Tes AI dilakukan secara terpisah - pada 40 gambar scan PET dari 40 pasien. Akibatnya, mesin ini dapat menentukan 98% kasus perkembangan penyakit - rata-rata, 76 bulan sebelum diagnosis sebenarnya.

Positional emission tomography (PET) mengukur tingkat molekul tertentu, seperti glukosa, di otak dan banyak digunakan dalam onkologi klinis. Glukosa adalah sumber utama energi untuk sel-sel otak, dan semakin aktif mereka, semakin banyak glukosa yang mereka konsumsi. Ketika aktivitas mental manusia terganggu, sel-sel melambat dan mati, mengonsumsi lebih sedikit dan lebih sedikit glukosa.

Para ilmuwan telah lama mencoba menggunakan tomografi semacam itu untuk deteksi dini penyakit Alzheimer. Masalahnya adalah bahwa otak semua orang berbeda, dan apa yang glukosa normal bagi satu orang akan berarti penyakit progresif pada yang lain. Apalagi, semakin awal panggung, semakin sedikit perubahan yang bisa dibedakan.

Salah satu hasil paling sukses, juga dengan bantuan jaringan saraf, diperoleh oleh para peneliti Korea Selatan pada tahun 2017 ( sebuah artikel tentang Habré ). Tetapi kecerdasan buatan mereka tidak pernah belajar untuk menemukan Alzheimer pada pasien jauh sebelum gejala pertama muncul. Dia mampu membedakan otak yang sehat dari pasien dengan pemindaian PET pada 90% kasus, dan dengan probabilitas 81% untuk menentukan risiko perkembangan aktif penyakit dalam tiga tahun jika tanda-tanda pertama telah muncul. Bahkan dokter yang paling berpengalaman pun lebih baik, tetapi dengan probabilitas jauh lebih rendah untuk pemulihan fungsi kognitif secara penuh.

Para ilmuwan dari San Francisco melangkah lebih jauh: AI mereka mengidentifikasi orang yang berisiko 2 kali lebih awal, dan dengan akurasi yang jauh lebih besar. Jae Ho Song sendiri tidak mengharapkan hasil yang mengesankan:

Ini ternyata menjadi tugas yang ideal untuk menerapkan algoritma pembelajaran yang mendalam. Mereka sangat efektif dalam mencari proses yang sangat lemah dan tersebar. Ahli radiologi manusia akan dengan mudah menemukan sesuatu yang terkonsentrasi, seperti tumor, tetapi mereka tidak dapat mengenali perubahan global yang lambat.

Langkah selanjutnya adalah menguji dan mengkalibrasi algoritma pada set data yang lebih besar dan lebih beragam dari berbagai rumah sakit dan negara. Jika AI dapat menunjukkan hasil yang sama dalam tes ini, Sleep berharap ini dapat mulai dipasang di rumah sakit tahun ini. Pemindaian PET, tentu saja, tidak murah, tetapi jika Anda sudah berisiko atau telah melewatinya pada masalah lain, algoritma cerdas sederhana (bahkan mungkin tersedia di cloud) akan memungkinkan jutaan orang untuk mempertahankan setidaknya beberapa tahun lagi kehidupan normal.