研究人員開發(fā)了一種深度學(xué)習(xí)框架，可以根據(jù)輕度認(rèn)知障礙（MCI）的個(gè)體發(fā)展為阿爾茨海默�。ˋD）的風(fēng)險(xiǎn)對其進(jìn)行分層。

波士頓大學(xué)醫(yī)學(xué)院

8月4日消息

未來幾年，全球千百萬阿爾茨海默病患者的醫(yī)療費(fèi)用預(yù)計(jì)將超過 1 萬億美元。除了巨大的健康負(fù)擔(dān)外，患者及其照護(hù)者還承受著經(jīng)濟(jì)、身體和心理上的壓力。關(guān)于 AD 藥物反復(fù)失敗的一個(gè)理論是，在疾病過程中，接受實(shí)驗(yàn)性治療的患者選擇得太晚。因此，在疾病的早期階段識別出進(jìn)展為 AD 的高風(fēng)險(xiǎn)患者非常重要。

為了幫助識別可以從早期干預(yù)中獲益的人，波士頓大學(xué)（Boston University，BU）Chobanian & Avedisian 醫(yī)學(xué)院的研究人員開發(fā)了一種深度學(xué)習(xí)框架，可以根據(jù)輕度認(rèn)知障礙的個(gè)體發(fā)展為阿爾茨海默病的風(fēng)險(xiǎn)對其進(jìn)行分層。研究結(jié)果近日發(fā)表在《交叉科學(xué)》（iScience）雜志上。

研究于2023年8月2日發(fā)表在《iScience》（最新影響因子：5.8）雜志上

“量化發(fā)展為阿爾茨海默病的風(fēng)險(xiǎn)可以幫助確定哪些人可以從早期干預(yù)中獲益，”通訊作者 Vijaya B. Kolachalama 博士說，他是波士頓大學(xué) Chobanian & Avedisian 醫(yī)學(xué)院的醫(yī)學(xué)副教授。

研究團(tuán)隊(duì)研究了來自阿爾茨海默病神經(jīng)影像行動(dòng)計(jì)劃（ADNI）和美國國家阿爾茨海默病協(xié)調(diào)中心（NACC）的數(shù)據(jù)，根據(jù)輕度認(rèn)知障礙（MCI）患者的腦脊液 β-淀粉樣蛋白水平將其分組。他們研究了這些人群的灰質(zhì)體積模式，以識別風(fēng)險(xiǎn)人群，并通過專家評估驗(yàn)證了他們的發(fā)現(xiàn)。

他們開發(fā)了將神經(jīng)網(wǎng)絡(luò)與生存分析相結(jié)合的模型，以預(yù)測從輕度認(rèn)知障礙到阿爾茨海默病的進(jìn)展。然后，他們將模型預(yù)測與生物學(xué)證據(jù)聯(lián)系起來，用死后的數(shù)據(jù)證實(shí)了阿爾茨海默病的診斷。

Kolachalama 補(bǔ)充說：“通過利用可解釋性機(jī)器學(xué)習(xí)的進(jìn)展，我們證明了與 AD 相關(guān)的腦區(qū)，如內(nèi)側(cè)顳葉，是預(yù)測進(jìn)展風(fēng)險(xiǎn)的最重要區(qū)域之一，從而確保我們的發(fā)現(xiàn)與現(xiàn)有的醫(yī)學(xué)知識一致。”

根據(jù)研究人員的說法，這些發(fā)現(xiàn)代表了神經(jīng)病學(xué)和計(jì)算機(jī)科學(xué)交叉的創(chuàng)新，同時(shí)強(qiáng)調(diào)了模型與生物學(xué)證據(jù)的一致性，使用常規(guī)收集的信息，如結(jié)構(gòu) MRI 來量化從 MCI 到 AD 的進(jìn)展風(fēng)險(xiǎn)。

“我們將基于存活的深度神經(jīng)網(wǎng)絡(luò)與最小處理的結(jié)構(gòu) MRI 結(jié)合起來，這是一種廣泛應(yīng)用的非侵入性技術(shù)。此外，通過將最先進(jìn)的深度學(xué)習(xí)方法與沙普利加法解釋（SHAP，一種基于合作博弈論的方法）相結(jié)合，用于增加機(jī)器學(xué)習(xí)模型的透明度和可解釋性，我們能夠識別出對預(yù)測疾病進(jìn)展風(fēng)險(xiǎn)增加特別重要的區(qū)域。”

創(chuàng)立于1839年的波士頓大學(xué)

參考文獻(xiàn)

Source：Boston University School of Medicine

Researchers Propose a Data-driven Strategy to Stratify Risk of Progression from Mild Cognitive Impairment to Alzheimer’s disease

Reference：

Michael F. Romano et al, Deep learning for risk-based stratification of cognitively impaired individuals, iScience (2023). DOI: 10.1016/j.isci.2023.107522

免責(zé)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(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請咨詢你的醫(yī)生。

       原文標(biāo)題 : 研究者提出了一種將輕度認(rèn)知障礙進(jìn)展為阿爾茨海默病的風(fēng)險(xiǎn)分層的策略