Programmatūra paredz kognitīvo samazināšanos, izmantojot smadzeņu attēlus

Hronisks neiroloģiskais stāvoklis, ko sauc par Alcheimera slimību, ir viens no mānīgākajiem mūsdienu sabiedrībā. 2015. gadā tika uzskatīts, ka ar šo slimību bija aptuveni 30 miljoni cilvēku. Tā kā pārvaldīšana ir ļoti dārga, tā rada ievērojamu slogu veselības aprūpes sistēmām visā pasaulē.

Lai gan nav zināms veids, kā apturēt slimību progresējošos gadījumos, ir pierādījumi, ka tās progresēšanu var palēnināt vai apturēt, ja tā tiek identificēta agri. Tāpēc svarīgs mērķis ir atrast uzticamu veidu, kā pamanīt cilvēkus, kuriem ir slimības attīstības risks.

Šodien Hongyoon Choi no Cheonan Sabiedrības veselības centra un Kjons Hvans Džins Korejas Augstākajā zinātnes un tehnoloģiju institūtā Dienvidkorejā saka, ka viņi ir izmantojuši dziļu mācīšanos, lai izstrādātu tieši šādu tehniku. Šie puiši saka, ka viņu process var precīzi identificēt cilvēkus, kuriem nākamo trīs gadu laikā varētu attīstīties Alcheimera slimība.

Padziļinātas apmācības tīkls iemācās atpazīt Alcheimera unikālo raksturu cilvēka smadzeņu PET skenēšanas attēlos.

Kognitīvā lejupslīde ir neizbēgama, mums novecojot. Mums ir tendence kļūt aizmāršīgākiem, biežāk pazaudēt domu gājienu, un mums ir grūtāk pieņemt lēmumus vai izpildīt uzdevumus. Ārsti to sauc par viegliem kognitīviem traucējumiem, un tas ietekmē lielāko daļu cilvēku, kad viņi kļūst vecāki.

Daudzi cilvēki ar viegliem kognitīviem traucējumiem turpina attīstīt Alcheimera slimību, kas ir daudz smagāka. Cilvēki ar šo stāvokli zaudē savu vārdu krājumu, bieži izmantojot nepareizus vārdu aizstāšanas veidus. Viņi pārstāj atpazīt tuvus radiniekus, zaudē pamata pašaprūpes prasmes un galu galā kļūst pilnībā atkarīgi no aprūpētājiem. Lielākā daļa mirst dažu gadu laikā pēc diagnozes noteikšanas.

Bet dīvainā kārtā ne visi cilvēki ar viegliem kognitīviem traucējumiem iet šo ceļu. Daži nekad nepasliktinās, un daži pat uzlabojas. Tāpēc ārstiem ļoti patiktu, ja viņi varētu pamanīt tos, kuriem varētu attīstīties Alcheimera slimība, jo viņi, visticamāk, gūs labumu no ārstēšanas.

Viens no veidiem, kā to izdarīt, ir smadzeņu pozitronu emisijas tomogrāfijas (PET) skenēšana. Ir zināms, ka Alcheimera slimībai ir raksturīga nevēlama olbaltumvielu kluču, ko sauc par amiloīdām plāksnēm, augšana un lēns smadzeņu metabolisms, ko mēra pēc glikozes lietošanas ātruma smadzenēs.

Daži PET skenēšanas veidi var atklāt abu šo stāvokļu pazīmes, un tāpēc tos var izmantot, lai atklātu cilvēkus ar viegliem kognitīviem traucējumiem, kuriem ir vislielākais risks saslimt ar Alcheimera slimību.

Tāda ir teorija. Praksē attēlu interpretācija ir sarežģīta. Pētnieki ir atraduši vienu vai divus spēcīgus marķierus, kurus var meklēt apmācīti novērotāji, taču šī metode ir laikietilpīga un ir pakļauta kļūdām.

Ievadiet Hongyoon un Kyong, kuri ir aizstājuši cilvēku novērotājus šajā procesā ar dziļi apgūstošu neironu tīklu.

Viņu metode ir vienkārša. Pēdējos gados Alcheimera pētnieki visā pasaulē ir izveidojuši datu bāzi ar smadzeņu attēliem cilvēkiem ar un bez Alcheimera slimības. Hongyoon un Kyong izmanto šo datubāzi, lai apmācītu konvolucionālo neironu tīklu, lai atpazītu atšķirību starp tiem.

Šo datu kopu veido 182 70 gadus vecu cilvēku smadzeņu attēli ar normālām smadzenēm un 139 aptuveni tāda paša vecuma cilvēku smadzeņu attēli, kuriem diagnosticēta Alcheimera slimība. Izmantojot parasto apmācību, iekārta ātri vien iemācās atpazīt atšķirību ar gandrīz 90 procentu precizitāti.

Pēc tam Hongyoon un Kyong izmanto savu mašīnu, lai analizētu citu datu kopu. Tas sastāv no smadzeņu attēliem, kuros redzams 181 cilvēks 70 gadu vecumā ar viegliem kognitīviem traucējumiem, no kuriem 79 trīs gadu laikā saslimst ar Alcheimera slimību. Uzdevums, ko Hongyoon un Kyong uzstādīja mašīnai, bija pamanīt šīs uzņēmīgās personas.

Rezultāti rada interesantu lasīšanu. Hongyoon un Kyong saka, ka viņu neironu tīkls identificējis tos, kuriem ir Alcheimera slimības attīstības risks, ar precizitāti līdz 81%. Tas ir ievērojami augstāks nekā apmācītiem novērotājiem, vizuāli analizējot attēlus. Viņi saka, ka šie rezultāti parāda dziļas mācīšanās iespējamību kā līdzekli slimības iznākuma prognozēšanai, izmantojot smadzeņu attēlus.

Tas ir interesants rezultāts. Tas liecina par salīdzinoši ātru veidu, kā pamanīt cilvēkus, kuriem ir Alcheimera slimības attīstības risks, un tos, kuri visvairāk gūtu labumu no agrīnas iejaukšanās. Tā ir pieeja, kas varētu uzlabot daudzu cilvēku dzīves kvalitāti un ietaupīt ievērojamas naudas summas pārslogotajām veselības aprūpes sistēmām.

Vispārīgāk runājot, Hongyoon un Kyong tehnika ir tikai viens piemērs pieaugošai dziļas mācīšanās izmantošanai medicīniskajā diagnostikā. Pierādījumi liecina, ka padziļinātas mācīšanās iekārtas var atklāt sarežģītus apstākļus agrāk un precīzāk nekā cilvēki. Un šī tehnika darbojas dažādos apstākļos no sirds slimībām līdz vēzim.

Skaidrs, ka padziļināta apmācība mainīs medicīnas pasauli. Vienīgais jautājums tiem, kas pašlaik cieš ar viegliem kognitīviem traucējumiem, ir tas, cik ātri.

Atsauce: arxiv.org/abs/1704.06033 : Kognitīvās lejupslīdes prognozēšana, padziļināti apgūstot smadzeņu metabolismu un amiloīda attēlveidošanu

paslēpties