KI unterstützt die Früherkennung von Alzheimer-Anzeichen

Künstliche Intelligenz wird eingesetzt, um bei der Diagnose leichter kognitiver Beeinträchtigungen zu helfen, die zur Alzheimer-Krankheit führen können.

Die Alzheimer-Krankheit ist weltweit die Hauptursache für Demenz. Obwohl es keine Heilung gibt, wird die Früherkennung als entscheidend angesehen, um wirksame Behandlungen entwickeln zu können, die wirken, bevor der Fortschritt irreversibel ist.

Eine leichte kognitive Beeinträchtigung ist eine Phase, die der Krankheit vorausgeht, aber nicht jeder, der darunter leidet, entwickelt am Ende Alzheimer. Eine Studie unter der Leitung von Wissenschaftlern der Universität Oberta de Catalunya (UOC), veröffentlicht in der IEEE Journal of Biomedical and Health Informatics, ist es gelungen, genau zwischen Menschen zu unterscheiden, deren Verschlechterung stabil ist, und solchen, bei denen die Krankheit fortschreiten wird. Das neue Verfahren, bei dem Magnetresonanzbilder mithilfe spezifischer Verfahren der künstlichen Intelligenz verglichen werden, ist effektiver als andere derzeit verwendete Verfahren.

Die Alzheimer-Krankheit betrifft weltweit mehr als 50 Millionen Menschen, und die Alterung der Bevölkerung bedeutet, dass es in den kommenden Jahrzehnten noch viel mehr Betroffene geben wird. Obwohl sie sich in der Regel über viele Jahre symptomlos entwickelt, geht ihr im Allgemeinen eine sogenannte leichte kognitive Beeinträchtigung voraus, die viel milder ist als die Beeinträchtigung von Menschen mit Alzheimer, aber schwerwiegender, als es für jemanden in ihrem Alter zu erwarten wäre.

„Diese Patienten können im Laufe der Zeit fortschreiten und sich verschlechtern oder in demselben Zustand bleiben. Deshalb ist es wichtig, zwischen fortschreitender und stabiler kognitiver Beeinträchtigung zu unterscheiden, um das schnelle Fortschreiten der Krankheit zu verhindern“, sagte Mona Ashtari-Majlan, Leiterin Autor des Artikels und UOC-Forscher in der Gruppe „AI for Human Wellbeing“ (AIWELL), die dem eHealth Center und der Fakultät für Informatik, Multimedia und Telekommunikation angegliedert ist.

Die korrekte Identifizierung dieser Fälle könnte dazu beitragen, die Qualität klinischer Studien zu verbessern, mit denen Behandlungen getestet werden, die zunehmend auf die Anfangsphasen der Krankheit abzielen. Dazu verwendeten die Forscher eine Methode mit einem Multi-Stream Convolutional Neural Network, einer Technik, die auf künstlicher Intelligenz und Deep Learning basiert und für die Bilderkennung und -klassifizierung sehr nützlich ist.

„Zunächst verglichen wir MRTs von Patienten mit Alzheimer-Krankheit und gesunden Menschen, um eindeutige Orientierungspunkte zu finden“, erklärte Ashtari-Majlan. Nach dem Training des Systems verfeinerten sie die vorgeschlagene Architektur mit Resonanzbildern von Menschen, bei denen bereits eine stabile oder fortschreitende kognitive Beeinträchtigung mit viel geringeren Unterschieden diagnostiziert worden war. Insgesamt wurden fast 700 Bilder aus öffentlich zugänglichen Datensätzen verwendet.

Laut Ashtari-Majlan „überwindet der Prozess die Komplexität des Lernens, die durch die subtilen strukturellen Veränderungen verursacht wird, die zwischen den beiden Formen der leichten kognitiven Beeinträchtigung auftreten, die viel kleiner sind als die zwischen einem normalen Gehirn und einem von der Krankheit betroffenen Gehirn. Darüber hinaus , könnte die vorgeschlagene Methode das Problem der kleinen Stichprobengröße angehen, bei dem die Anzahl der MRTs bei Fällen mit leichter kognitiver Beeinträchtigung geringer ist als bei Alzheimer.

Die neue Methode ermöglicht es, die beiden Formen der leichten kognitiven Beeinträchtigung mit einer Genauigkeitsrate von fast 85 Prozent zu unterscheiden und zu klassifizieren.

„Die Bewertungskriterien zeigen, dass unsere vorgeschlagene Methode die bestehenden übertrifft“, sagte Ashtari-Majlan, einschließlich konventionellerer und anderer Deep-Learning-basierter Methoden, selbst wenn sie mit Biomarkern wie Alters- und kognitiven Tests kombiniert werden.

Darüber hinaus „können wir unsere Implementierung mit allen teilen, die die Ergebnisse reproduzieren und ihre Methoden mit unseren vergleichen möchten. Wir glauben, dass diese Methode Fachleuten helfen kann, die Forschung zu erweitern“, schloss sie.

Die Forschungsarbeit – ‘Ein konvolutionelles neuronales Multi-Stream-Netzwerk zur Klassifizierung progressiver MCI bei der Alzheimer-Krankheit unter Verwendung von strukturellen MRT-Bildern‘- wurde im IEEE Journal of Biomedical and Health Informatics veröffentlicht.

Melden Sie sich für die E&T News-E-Mail an, um jeden Tag großartige Geschichten wie diese in Ihren Posteingang zu bekommen.

Leave a Reply

Your email address will not be published.