Искусственный интеллект научился находить болезнь Альцгеймера в мозге за 6 лет до диагноза

ПЭТ-скан мозга ^[1] человека с тяжелой формой болезни Альцгеймера

Используя снимки обычного сканирования мозга ^[1], исследователи смогли научить алгоритм определять раннюю стадию развития болезни Альцгеймера – за 6 лет до того, как такое же заключение дает традиционный медицинский диагноз в клинике. Это может позволить нанести еще один удар по одной из самых страшных болезней (третьей основной причиной смерти в развитых странах после проблем с сердцем и рака).

Пока что лекарство для восстановления когнитивных способностей пациентов с деменцией отсутствует, можно разве что смягчать симптомы. Но буквально в последние месяцы начали появляться потенциальные способы бороться с развитием болезни. Недавно на Хабре была статья ^[2] Дейла Бредесена, который помог 100 пациентам. А компания Anavex разработала препарат A2-73 ^[3], останавливающий развитие Альцгеймера у 30% больных.

Но всё это не работает на последних стадиях прогрессирования недуга. Для успешного применения любых методик нужен мозг ^[1], в котором еще есть, что запускать. А находить болезнь Альцгеймера до того, как её эффекты уже стали негативно влиять на жизнь пациента, мы пока не научились.

С этим нам и должен помочь AI. Засечь страшную болезнь, чтобы люди могли с ней что-то сделать. Новую систему разработали ученые Калифорнийского университета Сан-Франциско под руководством доктора Дже Хо Сона ^[4]. Они научили искусственный интеллект анализировать снимки томографии, чтобы находить какие-то, одному ему ведомые, связи, предсказывающие появление болезни Альцгеймера в будущем. Их работу (более 20 авторов!) можно почитать в журнале Radiology ^[5], она стала самой популярной за весь 2018 год.

Дже Хо Сон объясняет идею своего проекта:

Одна из главных проблем с болезнью Альцгеймера в том, что к тому времени как у вас начали появляться клинические симптомы, слишком много нейронов в мозгу ^[1] уже умерло, и, по сути, процесс необратим. Надо начинать что-то делать до этого.

В новой работе Сон со своей командой объединили возможности нейровизуализации с машинным обучением, и «скормили» машине 2109 изображений 1002 пациентов с 2005-го по 2017-й год. Отдельно проводился тест AI – на 40 изображениях ПЭТ-сканов 40 пациентов. В итоге машина смогла определить 98% случаев развития болезни – в среднем, за 76 месяцев до её реальной диагностики.

Мозг ^[1] человека с четвертой стадией болезни Альцгеймера (слева), мозг ^[1] человека без болезни (справа)

Позиционно-эмиссионная томография (ПЭТ) измеряет уровни определенных молекул, вроде глюкозы, в мозгу ^[1], и широко используется в клинической онкологии. Глюкоза является главным источником энергии для клеток мозга ^[1], и чем более они активны, тем больше глюкозы они потребляют. По мере нарушения мыслительной деятельности человека, клетки замедляют свою активность и отмирают, потребляя всё меньше и меньше глюкозы.

Ученые уже давно пытались использовать такую томографию для раннего определения болезни Альцгеймера. Проблема в том, что мозг ^[1] у всех людей разный, и то, что является нормальным содержанием глюкозы для одного, будет означать прогрессирующую болезнь у другого. К тому же, чем раньше стадия, тем менее различимы какие-либо изменения.

Один из самых успешных результатов, тоже с помощью нейронной сети, до этого получили южнокорейские исследователи в 2017 году (статья на Хабре ^[6]). Но их искусственный интеллект так и не научился находить Альцгеймер у пациентов задолго до появления первых симптомов. Он смог отличать здоровый мозг ^[1] от больного по ПЭТ-скану в 90% случаев, и с вероятностью 81% определять риск активного развития болезни в течение трех лет, если первые признаки уже появились. Тоже лучше даже самых опытных докторов, но уже с намного более низкой вероятностью полного восстановления когнитивных функций.

Ученые из Сан-Франциско пошли гораздо дальше: их ИИ определяет людей из группы риска в 2 раза раньше, и с намного большей точностью. Дже Хо Сон сам не ожидал настолько впечатляющих результатов:

Это оказалось идеальной задачей для применения алгоритмов глубокого обучения. Они особенно эффективны при поиске очень слабых, рассеянных процессов. Человеческие радиологи легко найдут что-то концентрированное, вроде опухоли, но не могут распознать медленные, глобальные изменения.

Следующий шаг – протестировать и откалибровать алгоритм на крупных и более разнообразных наборах данных от разных больниц и стран. Если AI сможет показать такие же результаты в этих тестах, Сон надеется, его можно будет начинать устанавливать в госпиталях уже в этом году. ПЭТ-сканирование, конечно, дело недешевое, но если вы уже находитесь в группе риска или проходили его по другому вопросу, простой умный алгоритм (может быть, даже доступный на облаке) позволит миллионам людей сохранить еще хотя бы несколько лет нормальной жизни.

Автор: Pochtoycom

Источник ^[7]