KI erkennt Alzheimer 6 Jahre früher mit 100 % Genauigkeit

KI kann Bildgebungsverfahren des Gehirns verbessern, um Alzheimer Jahre vor Diagnose vorherzusagen. Das in dieser Studie entwickelte Convolutional Neural Network identifizierte Hirnscans (mit 100 % Sensitivität), die zu Alzheimer führen.

Deep Learning analysiert Gehirnstoffwechsel

Über 5 Millionen Menschen in den USA haben Alzheimer, bis 2050 könnten es 14 Millionen sein. Alle 65 Sekunden erkrankt jemand in den USA an Alzheimer – sechsthäufigste Todesursache.

Typischerweise wird die Krankheit diagnostiziert, wenn alle Symptome manifest sind – dann ist der Hirnzellverlust so erheblich, dass Eingreifen zu spät ist. Keine Therapie stoppt oder kehrt Alzheimer um, aber Früherkennung kann Fortschritt verlangsamen und Symptome verbessern.

Forscher der University of California beschrieben nun, wie KI Bildgebungsverfahren verbessern kann, um Alzheimer Jahre vor Diagnose vorherzusagen. Die Ergebnisse könnten Millionen Patienten und Pflegern helfen.

Funktionsweise

Frühere Studien zeigten: Alzheimer verändert Gehirnstoffwechsel – Reduktion der Glukosemetabolismus im Gehirn ist charakteristisch. Diese subtilen Veränderungen zu erkennen, ist extrem herausfordernd.

In dieser Studie wandten Forscher Deep Learning an, um Veränderungen im Gehirnstoffwechsel zu detektieren, die Alzheimer vorhersagen. Trainiert wurde auf tausenden Bildern aus Positronen-Emissions-Tomografie (PET), einer nuklearmedizinischen funktionellen Bildgebung.

Sie hatten Zugriff auf Daten des großen Multi-Site-Projekts ADNI (Alzheimer's Disease Neuroimaging Initiative), das Prävention und Behandlung fokussiert.

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

Der Datensatz enthielt über 2.100 PET-Hirnscans von mehr als 1.000 Patienten. 90 % nutzten sie zum Training, 10 % zum Test.

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

Dann testeten sie die Methode an einer neuen, unabhängigen Gruppe von 40 Bildern von 40 Patienten, die der Algorithmus nie gesehen hatte. Er erkannte Alzheimer durchschnittlich 6 Jahre vor der endgültigen Diagnose – bei allen 40 PET-Scans.

Forscher trainierten ihr CNN mit NVIDIA TITAN Xp GPUs und CUDA Deep Neural Network Library. Es sagte jeden einzelnen Scan (100 % Sensitivität) voraus, der zu Alzheimer führte.

Ausblick

Obwohl Ergebnisse beeindruckend, warnten Forscher: Validierungsset war nicht groß genug für volle Zuverlässigkeit. Mehr Daten nötig, um das KI-Tool reifer zu machen.

Derzeit kann das Tool Radiologen unterstützen (breites Spektrum an Bildgebung und biochemischen Tests). Mit großskaliger externer Validierung an multi-institutionellen Daten und Modellkalibrierung könnte es in klinische Workflows integriert werden, um Ärzte bei Früherkennung zu unterstützen.

Das Team plant, ihre neuronalen Netze weiter zu trainieren, um Muster zu erkennen, die mit abnormer Proteinanhäufung (Beta-Amyloid, Tau-Proteine) und anderen Alzheimer-spezifischen Markern verknüpft sind.