杜克健康研究人員開發(fā)的一種機器學習模型可以使用眼睛的視網(wǎng)膜圖像區(qū)分正常認知和輕度認知障礙。

杜克健康

7月10日消息

該模型分析視網(wǎng)膜圖像和相關數(shù)據(jù)，并識別特定特征，以識別輕度認知障礙的個體。該模型近日發(fā)表在《眼科學》（Ophthalmology Science）雜志上，它展示了一種非侵入性和廉價的方法，以識別可能發(fā)展為阿爾茨海默病的認知障礙的早期跡象的潛力。

研究于2023年6月25日發(fā)表在《Ophthalmology Science》雜志上

“這是一項特別令人興奮的工作，因為我們在以前的模型中無法區(qū)分輕度認知障礙和正常認知，”資深作者、杜克大學醫(yī)學院（Duke University School of Medicine）眼科和神經(jīng)內科教授、外科副教授、醫(yī)學博士 Sharon Fekrat 說，“這項工作使我們更接近于在認知障礙進展為阿爾茨海默病失智癥之前檢測出它。”

Fekrat 和她的同事們之前開發(fā)了一個模型，利用視網(wǎng)膜掃描和其他數(shù)據(jù)成功地識別出已知患有阿爾茨海默病的患者。基于光學相干斷層掃描（OCT）和 OCT 血管成像（OCTA）的掃描檢測了阿爾茨海默病患者的神經(jīng)感覺視網(wǎng)膜及其微血管的結構變化。

目前的研究擴展了這一工作，使用機器學習技術來檢測輕度認知障礙，這通常是阿爾茨海默病的前兆。新模型識別出 OCT 和 OCTA 圖像中的特定特征，這些特征標志著認知障礙的存在，以及患者數(shù)據(jù)（如年齡、性別、視力和教育年限）和圖像本身的定量數(shù)據(jù)。

研究人員報告說，該模型分析了視網(wǎng)膜圖片和圖像以及定量數(shù)據(jù)，以  79% 的靈敏度和 83% 的特異度將認知正常的人與被診斷為輕度認知障礙（MCI）的人區(qū)分開來。

“這是第一項使用視網(wǎng)膜 OCT 和 OCTA 圖像來區(qū)分輕度認知障礙人群和認知正常人群的研究，”共同第一作者、眼科助理教授、醫(yī)學博士 C. Ellis Wisely 說。

“有一種非侵入性和更便宜的方法來可靠地識別這些患者越來越重要，特別是在阿爾茨海默病的新療法即將出現(xiàn)的時候，” Wisely說。

“視網(wǎng)膜是大腦的窗口，利用非侵入性和經(jīng)濟有效的視網(wǎng)膜成像來評估神經(jīng)健康的機器學習算法可以成為大規(guī)模篩查患者的有效工具，”合著者 Alexander Richardson 說，他是杜克大學神經(jīng)退行性疾病實驗室眼多模態(tài)成像的學生。

創(chuàng)立于1925年的杜克大學醫(yī)學院

參考文獻

Source：Duke University Medical Center

Machine Learning Model Identifies Mild Cognitive Impairment from Retinal Scans

Reference：

C. Ellis Wisely et al, A convolutional neural network using multimodal retinal imaging for differentiation of mild cognitive impairment from normal cognition, Ophthalmology Science (2023). DOI: 10.1016/j.xops.2023.100355

免責聲明

本公眾號上的醫(yī)療信息僅作為信息資源提供與分享，不用于或依賴于任何診斷或治療目的。此信息不應替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關特定醫(yī)療狀況的指導之前，請咨詢你的醫(yī)生。

       原文標題 : 機器學習模型從視網(wǎng)膜掃描識別輕度認知障礙