Künstliche Intelligenz kann Alzheimer 6 Jahre vor der Diagnose vorhersagen

• KI kann bildgebende Verfahren des Gehirns verbessern, um Alzheimer Jahre vor der Diagnose vorherzusagen.
• Das in dieser Studie entwickelte Convolutional Neural Network war in der Lage, Gehirnscans (mit 100 % Sensitivität) zu identifizieren, die zur Alzheimer-Krankheit führen.

Mehr als 5 Millionen Menschen in den Vereinigten Staaten haben die Alzheimer-Krankheit, und diese Zahl wird bis 2050 voraussichtlich 14 Millionen erreichen. Alle 65 Sekunden entwickelt jemand in den USA die Alzheimer-Krankheit, was sie zur sechsthäufigsten Todesursache im Land macht.

Typischerweise wird die Krankheit diagnostiziert, wenn sich alle Symptome manifestiert haben und der Verlust von Gehirnzellen zu diesem Zeitpunkt so groß ist, dass es zu spät ist, um einzugreifen. Keine Therapie kann das Fortschreiten der Alzheimer-Krankheit stoppen oder rückgängig machen, wir können es jedoch in früheren Stadien erkennen, um das Fortschreiten zu verlangsamen und die Symptome zu verbessern.

Jetzt haben Forscher der University of California beschrieben, wie künstliche Intelligenz bildgebende Verfahren des Gehirns verbessern kann, um Alzheimer Jahre vor der Diagnose vorherzusagen. Die Ergebnisse könnten Millionen von Patienten und Pflegepersonal helfen.

Deep Learning analysiert den Gehirnstoffwechsel

Frühere Studien zeigten, dass die Alzheimer-Krankheit den Gehirnstoffwechsel verändert:Es wird eine Verringerung des Glukosestoffwechsels im Gehirn beobachtet. Diese subtilen Veränderungen zu erkennen, kann jedoch eine äußerst herausfordernde Aufgabe sein.

In dieser Studie haben die Forscher Deep-Learning-Methoden angewendet, um Veränderungen im Gehirnstoffwechsel zu erkennen, die für Alzheimer prädiktiv sind. Sie trainierten die Methode an Tausenden von Bildern, die mit einer funktionellen Bildgebungstechnik der Nuklearmedizin namens Positronen-Emissions-Tomographie (PET) gewonnen wurden.

Sie hatten Zugang zu Daten aus einem großen Multi-Site-Projekt ADNI (kurz für Alzheimer’s Disease Neuroimaging Initiative), das sich auf die Prävention und Behandlung dieser Krankheit konzentriert.

Referenz:Radiologie | doi:10.1148/radiol.2018180958 | RSNA

Der Datensatz enthielt über 2.100 PET-Gehirnscans von mehr als 1.000 Patienten. Sie verwendeten 90 % dieses Datensatzes, um ihre Deep-Learning-Methode zu trainieren, und die restlichen 10 % wurden verwendet, um sie zu testen.

Beispiele für PET-Scans | Gehirn eines 76-jährigen Mannes (vergrößert) mit Alzheimer | Mit freundlicher Genehmigung der Forscher 

Anschließend testeten sie die Methode an einer neuen, unabhängigen Gruppe von 40 Bildern von 40 Patienten, die der Algorithmus nie untersucht hatte. Es konnte Alzheimer 6 Jahre vor (im Durchschnitt) der endgültigen Diagnose bei allen 40 PET-Scans erkennen.

Die Forscher trainierten ihr neuronales Faltungsnetzwerk mit NVIDIA TITAN Xp-GPUs mit der CUDA Deep Neural Network Library. Es prognostizierte jeden einzelnen Scan (mit einer Sensitivität von 100 %), der zur Alzheimer-Krankheit führte.

Wie geht es weiter?

Obwohl die Ergebnisse sehr beeindruckend sind, warnten die Forscher, dass ihr Validierungsset nicht groß genug war, um den Algorithmus vollständig zuverlässig zu machen. Sie benötigen mehr Daten, um dieses KI-Tool ausgereifter zu machen.

Derzeit kann das Tool als Ergänzung zu den Aufgaben von Radiologen verwendet werden, die eine breite Palette von bildgebenden und biochemischen Tests umfassen. Mit umfangreicher externer Validierung von Daten aus mehreren Einrichtungen und Modellkalibrierung kann das Tool in den klinischen Arbeitsablauf integriert werden, um Ärzte bei der Frühvorhersage der Krankheit zu unterstützen.

Lesen Sie:Wissenschaftler entdecken und beheben genetischen Risikofaktor der Alzheimer-Krankheit

Das Team plant, seine neuronalen Netzwerke weiter zu trainieren, um Muster zu erkennen, die mit der abnormalen Ansammlung von Proteinklumpen, Beta-Amyloid- und Tau-Proteinen und anderen spezifischen Markern für die Alzheimer-Krankheit verbunden sind.