Według szacunkowych danych w Stanach Zjednoczonych 5,7 mln ludzi cierpi na chorobę Alzheimera – najczęstszy typ demencji – a do 2050 roku liczba ta ma wzrosnąć ponad dwukrotnie.
Wczesne zdiagnozowanie tej choroby ma zasadnicze znaczenie, aby pacjenci zdążyli skorzystać z kilku dostępnych metod terapii. Jednak żadna pojedyncza analiza ani skan nie umożliwiają postawienia definitywnej diagnozy za życia pacjenta. Lekarze zdani są na wielokrotne testy kliniczne i neuropsychologiczne. W tej sytuacji wzrasta zainteresowanie stworzeniem układów sztucznej inteligencji, które byłyby w stanie rozpoznać alzheimera na podstawie skanów mózgu.
Badaczom z University of California w San Francisco udało się ostatnio wytrenować algorytm sztucznej inteligencji, aby wykrywał jeden z pierwszych symptomów alzheimera – spadek zużycia glukozy w mózgu – w obrazach uzyskanych metodą pozytonowej tomografii emisyjnej (PET). Wyniki ich badań wskazują, że algorytm ten prawidłowo postawił potwierdzoną później diagnozę alzheimera w niemal wszystkich testowanych przypadkach.
W technice obrazowania PET śladowe ilości substancji promieniotwórczej są wprowadzane doustnie lub dożylnie do organizmu pacjenta, co umożliwia uzyskiwanie trójwymiarowych obrazów metabolizmu, krążenia i innych rodzajów aktywności komórkowej. PET doskonale nadaje się na narzędzie diagnostyczne alzheimera, ponieważ choroba ta wywołuje pewne subtelne zmiany metabolizmu mózgu na kilka lat wcześniej, zanim dochodzi do faktycznego obumierania tkanki neuronowej, mówi współautor badań Jae Ho Sohn, radiolog z UCSF, zaznaczając, że zmiany te są „niezmiernie trudne do zauważenia przez radiologów”.
Do wytrenowania i przetestowania algorytmu wykorzystano 2100 uzyskanych techniką PET skanów mózgów 1000 pacjentów w wieku co najmniej 55 lat. Obrazy te wykonano w ramach trwających przez 12 lat badań obejmujących zarówno tych, u których ostatecznie zdiagnozowano alzheimera, jak i chorych z łagodniejszymi postaciami utraty pamięci oraz osoby zdrowe z grupy kontrolnej. Algorytm został wytrenowany na 90% danych i przetestowany na pozostałych 10%. Następnie przetestowano go ponownie na drugim, niezależnym zbiorze danych uzyskanych od 40 pacjentów monitorowanych w okresie 10 lat. Okazał się on wysoce efektywny, będąc w stanie rozpoznać alzheimera u 81% pacjentów w pierwszej grupie testowej oraz u 100% w drugiej grupie, u których zdiagnozowano tę chorobę w ciągu nieco ponad sześciu lat. Wyniki te zostały opublikowane w lutowym numerze czasopisma Radiology.
Algorytm jest oparty na maszynowej technice „uczenia głębokiego”, która wykorzystuje sztuczne sieci neuronowe zaprogramowane do uczenia się na przykładach. „To jest jedno z pierwszych obiecujących, wstępnych zastosowań uczenia głębokiego do diagnozowania alzheimera – mówi Christian Salvatore, fizyk z włoskiej Consiglio Nazionale delle Ricerche, który nie był zaangażowany w te badania. – Model radzi sobie doskonale z diagnozowaniem pacjentów w łagodnym lub zaawansowanym stadium choroby, ale uchwycenie jej w najwcześniejszych stadiach pozostaje wciąż jednym z najbardziej krytycznych nierozwiązanych problemów w tej dziedzinie”.