Sztuczna inteligencja szturmuje nasze życia. Okazuje się, że badacze z Massachusetts General Hospital opracowali metodę dokładnego wykrywania choroby Alzheimera na podstawie rutynowych badań obrazowych ludzkiego mózgu. Pozwala to na detekcję tego schorzenia na bardzo początkowych etapach, kiedy to jeszcze jest ona słaba uchwytna dla ludzi.
W przypadku chorób neurodegeneracyjnych, badacze nie dysponują jeszcze metodami leczenia, które w pełni zahamowują rozwój choroby. Jedyne, co możemy zrobić dla pacjentów, to wdrożyć leczenie objawowe. Jednak w momencie, gdy symptomy są bardzo nasilone, niektórzy pacjenci nie odczuwają istotnej poprawy swojego stanu. Dobrze jest, by zidentyfikować chorobę odpowiednio wcześnie, kiedy to można jeszcze wdrożyć konkretne formy terapii: pacjenci, którzy są leczeni w ten sposób, dłużej zachowują sprawność i lepiej znoszą pojawiające się symptomy. Problem w tym, że wiele osób jest diagnozowanych zbyt późno, albo nie uzyskują pełnej diagnozy w ogóle - ze względu na fakt, iż chorobę Alzheimera oraz inne neurodegeneracje jest trudno diagnozować.
Badanie świadczące o tym przełomie opublikowano w PLOS ONE, dr Matthew Leming, pracownik naukowy w Centrum Biologii Systemów MGH i badacz w Massachusetts Alzheimer's Disease Research Center wraz z zespołem wykorzystali deep learning, który bazuje na dużej ilości danych oraz używa złożonych algorytmów do trenowania modeli predykcyjnych. Efektem tego było narzędzie służące do wykrywania choroby Alzheimera na podstawie danych z obrazów rezonansu magnetycznego mózgu. Model został wytrenowany na podstawie danych od pacjentów, którzy mają stwierdzoną chorobę Alzheimera oraz od osób zdrowych, które badały się w placówce przed 2019 rokiem.
W badaniu następnie przetestowano model na pięciu zestawach danych: pochodzących z MGH po 2019 roku, Brigham and Women's Hospital przed i po 2019 roku, a ponadto na zewnętrznych zbiorach przed i po 2019 roku, by sprawdzić, czy udało się modelowi trafnie zdiagnozować chorobę Alzheimera. Ogółem badania obejmowały 11 103 obrazy od 2 348 pacjentów z podejrzeniem ch. Alzheimera i 26 892 obrazy od 8 456 pacjentów bez choroby Alzheimera. We wszystkich pięciu zbiorach danych model wykrył ryzyko choroby Alzheimera z dokładnością wynoszącą 90,2%. To niesamowita dokładność, jak na model predykcyjny. Dodatkowo, był on w stanie utrzymać swoją skuteczność do wykrywania choroby Alzheimera niezależnie od danych metrykowych takich jak: wiek, płeć. Jednak przed badaczami inne wyzwania to na razie pierwsze badanie potwierdzające skuteczność takiego podejścia: potrzeba takich więcej, aby jednoznacznie stwierdzić, że mamy do czynienia z bardzo mocnym konkurentem dla obecnie wykorzystywanych metod.
Ów problem dotyczy tego, że jak na razie, model jest wyszkolony na danych, które pochodzą ze skanera rezonansu magnetycznego wyprodukowanego przez General Electric. Nie wiadomo, czy byłby on w stanie odnaleźć te same cechy chorobowe u osób, które badano za pomocą np. maszyn od Siemensa. System będzie wymagał więc jeszcze szlifów i upewnienia się, że może być on używany przez każdego - niezależnie od jakichkolwiek zmiennych. Trzeba jednak przyznać, że AI mocno się rozpycha i zdobywa kolejne przyczółki.
Hej, jesteśmy na Google News - Obserwuj to, co ważne w techu
