前沿科技 - 提前六年预测阿兹海默症100%准确率

请点击上面的功效音乐

特殊的音乐可以提升认知能力，预防和减轻病情，建议每天聆听一小时

阿尔茨海默病的及时诊断是非常重要的，因为治疗和干预在疾病早期才更加有效。然而，早期诊断很难很挑战。已经有研究结果可以把疾病与新陈代谢的变化联系起来，如大脑某些区域的葡萄糖摄取，但这些细微的变化很难识别。

“大脑中葡萄糖摄取模式的差异是非常微妙的，”来自旧金山加利福尼亚大学放射学和生物医学成像系的共同作者Jae Ho Sohn说。“人们擅长于寻找特定的疾病生物标志物。但是代谢的变化是一个更加整体的更加微妙的过程。” 而深度学习的人工智能可以识别更加细微的特征和细小的变化。

基于这个思路，来自加州大学旧金山分校的本杰明·弗兰科(Benjamin Franc)，找到了放射学大数据研究小组(BigData in Radiology，BDRAD)的Sohn博士和加州大学伯克利分校(University of California，Berkeley)的本科生Yiming Ding。通过人工智能和大数据分析，机器可以像人类一样学习，寻找大脑代谢的细小变化，对阿尔茨海默病的预测发挥作用。

研究人员训练他们的算法去识别一种特殊的大脑影像18-氟脱氧葡萄糖正电子发射断层成像(FDG-PET)。在FDG-PET扫描中，放射性葡萄糖化合物FDG被注射到血液中.然后，PET扫描可以测量脑细胞对FDG的摄取，这是代谢活动的一个指标。

在人工智能的应用方面，获取大数据进行算法的培训是非常重要的环节。这个研究的数据来自于ADNI的数据库。首先给大家介绍一下ADNI（阿尔兹海默病神经影像学研究）。ADNI是一个多站点的合作研究项目。参与的成员单位包括美国和加拿大63个大学，研究机构，和公司。ADNI的主要目标是通过神经影像的分析，检测AD早期征象， 使用生物标志物追踪疾病；为AD的临床试验验证、标准化和优化生物标记物；并且将所有数据和样本提供给世界各地的临床试验设计者和科学家共享。

这一想法首先是由国家老龄问题研究所(NIA)的NeilS.Buckholz，和EliLily公司的WilliamPotter博士在本世纪初提出的。ADNI成立于2004年，由迈克尔·W·韦纳博士(MichaelW.Weiner)博士领导，由20家公司和NIH的两个基金会出资2700万美元，NIA出资4000万美元。随着ADNI参与的单位，积累和分享的数据越来越多，它在AD的科研方面产生的影响也越来越大。

现在，研究人员通过ADNI获得了来自1002名患者的2100多张FDG-PET脑图像。研究人员对90%的数据集进行了深度学习算法的培训，然后在其余10%的数据集上进行了测试。通过深入学习，算法教会了自己识别阿尔茨海默氏病相对应的代谢模式。

最后，研究人员找来40从未被研究过的患者，采集了他们的大脑神经影像病进行诊断。通过这个算法诊断出的早期患者，六年以后被传统的方法诊断出阿兹海默症。人工智能算法的准确度达到了100%。这是一个了不起的成绩。

“我们对算法的性能非常满意，”Sohn博士说。“它能够预测每一例后来发展成阿尔茨海默氏症的病例。”尽管他们的独立测试集很小，需要通过一项更大的多机构前瞻性研究来进一步验证，但索恩博士说，该算法可能是一个有用的工具，可以补充放射学家的工作- 尤其是与其他生化和成像测试一起-为早期治疗干预提供机会。

他说：“如果我们诊断阿尔茨海默病的时候，所有的症状都已经表现出来了，那么脑能力的丧失就太严重了，现在干预为时已晚。”“如果我们能更早地发现它，调查人员有可能找到更好的方法来减缓甚至阻止疾病的进程。”

UCSF的Seo博士称，未来的研究方向包括训练深度学习算法，寻找与β-淀粉样蛋白和TAU蛋白积累相关的模式，以及大脑中异常的蛋白质团块和缠结，这些是阿尔茨海默氏病的特异性标志。

他说：“如果FDG-PET和AI能早期预测阿尔茨海默病，那么β淀粉样斑块和τ蛋白PET成像可能会增加另一个重要的预测手段。”

期刊参考文献:

Yiming Ding, Jae Ho Sohn,Michael G. Kawczynski, Hari Trivedi, Roy Harnish, Nathaniel W. Jenkins, DmytroLituiev, Timothy P. Copeland, Mariam S. Aboian, Carina Mari Aparici, Spencer C.Behr, Robert R. Flavell, Shih-Ying Huang, Kelly A. Zalocusky, Lorenzo Nardo, YounghoSeo, Randall A. Hawkins, Miguel Hernandez Pampaloni, Dexter Hadley, Benjamin L.Franc. A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease byUsing 18F-FDG PET of the Brain. Radiology, 2018; 180958 DOI:10.1148/radiol.2018180958

关注阿兹海默，刻不容缓！