人工智能可在诊断前六年预测阿尔茨海默氏病

研究人员在11月6日的《放射学》杂志上报道说，使用来自1,000多名阿尔茨海默氏病(AD)患者的影像数据开发的深度学习算法，可以在医生最终确定诊断结果的六年后准确预测AD的存在。

加利福尼亚大学旧金山分校的资深作者本杰明·弗朗克(Benjamin L. Franc)医学博士及其同事在该杂志上写道，虽然全球公认的是，及时诊断与阿尔茨海默氏病患者的预后有关，但是医生几乎没有早期发现疾病的工具。 。但是，在过去的十年中，人工智能迅速崛起，并具有通过单击按钮来处理大量成像数据的能力。

Franc等人说：“人们广泛认识到，深度学习可能有助于解决日益增加的复杂性和成像数据量，以及受过训练的成像医师的不同专长。”说过。“尽管已经开发和验证了整合到临床流程中的能力，但人们已经做出了巨大的努力，将深度学习应用于许多疾病和影像类型，例如，通过乳腺X光检查进行乳腺癌检测，通过CT进行肺结节检测以及通过放射照相进行髋部骨关节炎分类。

“机器学习技术在复杂的发现模式中的应用，例如在大脑功能性PET成像中发现的模式，才刚刚开始探索。”

Franc的UCSF团队和加利福尼亚大学伯克利分校的研究人员训练了一种AI算法，该算法使用了2109个独立的氟18-氟脱氧葡萄糖(F-FDG)PET研究数据库来预测AD的发病，该研究在2005年至2017年之间登录了阿尔茨海默氏病神经成像计划该算法使用了90%的数据集进行了训练，并在剩余的10%上进行了测试。

研究人员还运行了一个独立的测试集，其中包括40位来自该算法从未研究过的患者的F-FDG PET检查。在该分析中，在对AD进行最终诊断之前，该工具平均75.8个月(6.3年)达到了82%的特异性和100%的敏感性。

“此外，在预测独立测试装置上AD的最终诊断时，它在接收器工作特性空间中的表现优于三台放射学阅读器，具有统计学意义，” Franc等人。写道。“通过对更大，更多样化的数据集进行进一步的验证，该算法可能能够增强放射科医生阅读器的性能并改善对AD诊断的预测，从而为早期干预提供机会。”

研究小组表示，他们的研究结果将有助于在所有症状出现之前识别出阿尔茨海默氏症，从而导致大脑容量的损失如此之大，以至于无法干预。他们说，他们下一步计划训练深度学习算法，以识别AD特有的其他生物标志物，例如β-淀粉样蛋白和tau蛋白的积累，异常的蛋白团块和大脑中的“缠结”。

Franc及其同事目前表示，他们的新方法可以与其他生化和影像学检查结合使用，以对阿尔茨海默氏病患者进行早期治疗干预。

“随着对多机构数据和模型校准的进一步大规模外部验证，该算法可以集成到临床工作流程中，并作为重要的决策支持工具，以帮助放射学读者和临床医生从F-FDG PET中早期预测AD成像研究”，他们写道。