Modelul de inteligență artificială care prezice evoluția Alzheimerului dintr-o singură scanare RMN

Cercetătorii de la Universitatea din California, San Francisco (UCSF), au dezvoltat un model de inteligență artificială capabil să prevadă declinul cognitiv și progresia bolii Alzheimer folosind doar o singură scanare RMN inițială și informații demografice de bază. Această abordare, publicată în revista Nature Aging, ar putea facilita evaluarea timpurie a Alzheimerului, făcând-o mai rapidă, mai accesibilă și mai puțin dependentă de testări specializate costisitoare.

Boala Alzheimer este responsabilă pentru aproximativ 60% până la 70% din cazurile de demență la nivel mondial. Deși schimbările structurale ale creierului și declinul cognitiv sunt semne caracteristice ale bolii, previzionarea precisă a persoanelor care vor dezvolta o deteriorare progresivă rămâne o provocare.

Fluxurile de diagnosticare actuale se bazează adesea pe multiple tehnici complementare, incluzând imagistica PET, biomarkeri din lichidul cefalorahidian sau sânge, teste genetice și evaluări neuropsihologice ample. Deși eficace, aceste metode pot fi scumpe, consumatoare de timp și inaccesibile în multe medii de sănătate.

Scanările RMN sunt unele dintre cele mai răspândite instrumente de imagistică clinică pentru evaluarea neurologică, dar, până acum, datele RMN singure au avut dificultăți în a capta complexitatea și heterogenitatea progresiei bolii Alzheimer când sunt utilizate în cadrele AI convenționale.

Pentru a aborda această provocare, echipa de la UCSF a conceput un cadru de învățare profundă multitasking, care combină cunoștințe specifice domeniului de imagistică cu metode avansate de învățare automată pentru a prezice rezultatele cognitive direct din scanările RMN structurale.

Spre deosebire de multe alte modele de predicție a Alzheimerului, noul sistem nu necesită date de imagistică longitudinală, teste cognitive inițiale, scanări PET sau analize ale biomarkerilor moleculari.

Cercetătorii s-au concentrat în schimb pe extragerea informațiilor clinic semnificative dintr-o singură scanare RMN inițială. Cadru a fost antrenat să efectueze simultan mai multe sarcini înrudite, incluzând segmentarea țesuturilor, predicția diagnosticului de Alzheimer și estimarea performanței cognitive actuale și viitoare.

O inovație cheie a studiului a fost dezvoltarea unui model de imagistică specializat care segmentează țesutul cerebral în materie cenușie, materie albă și lichid cefalorahidian înainte de a genera predicții cognitive. Potrivit autorilor, acest pas de segmentare specific sarcinii a permis modelului să învețe caracteristicile spațiale ale creierului biologic relevante mai eficient decât abordările standard de transfer de învățare.

Autorul principal al studiului, Dr. Ashish Raj, profesor de radiologie și imagistică biomedicală la UCSF, a declarat că obiectivul a fost crearea unui sistem care să poată fi implementat realist în medii clinice de rutină.

„Spre deosebire de abordările anterioare, modelul nostru nu necesită evaluare cognitivă inițială, linii de imagistică specializate, scanări PET costisitoare, analize genetice sau proteomice ale fluidelor, făcându-l un instrument rapid, precis și ușor de implementat pentru majoritatea contextelor clinice”, a spus Raj într-o declarație.

Acest progres în diagnosticarea și monitorizarea bolii Alzheimer ar putea însemna un pas mare spre îngrijirea mai bună și mai accesibilă a milioane de persoane afectate la nivel global.

Sursa: Inside Precision Medicine