Искусственный интеллект может обнаружить болезнь Альцгеймера при сканировании мозга за шесть лет до постановки диагноза

Используя обычноую томографию головного мозга, исследователи так запрограммировали алгоритм машинного обучения, что ИИ диагностирует раннюю (примерно за шесть лет до постановки клинического диагноза) стадию болезни Альцгеймера, что дает врачам шанс вовремя вмешаться и начать лечение.

От болезни Альцгеймера не существует лекарств, но в последние годы появились препараты, которые могут помочь остановить прогрессирование заболевания. Тем не менее, их следует применять на ранних стадиях заболевания, чтобы получить от такой терапии хоть какой-то толк. Такая «гонка со временем» вдохновила ученых искать способы, позволяющие раньше диагностировать это патологическое состояние.

«Одна из трудностей, связанных с болезнью Альцгеймера, состоит в том, что к тому времени, когда все клинические симптомы проявляются и мы можем поставить окончательный диагноз, уже умерло слишком много нейронов, что делает процесс по существу необратимым», – говорит Дже Хо Сон, доктор медицинских наук из отдела радиологии и биомедицинских техник визуализации Калифорнийского университета в Сан-Франциско.

В недавнем исследовании, опубликованном в журнале «Радиология», Сон сочетал нейровизуализацию с машинным обучением, чтобы попытаться предсказать, разовьется или нет у пациента болезнь Альцгеймера, если у него впервые появилось нарушение памяти – то есть в лучшее время для вмешательства.

Позитронно-эмиссионная томография (ПЭТ), которая измеряет уровни определенных молекул, таких как глюкоза, в головном мозге, была использована как один из инструментов, помогающих диагностировать болезнь Альцгеймера до того, как симптомы станут выраженными. Глюкоза является основным источником «топлива» для клеток мозга, и чем активнее клетка, тем больше глюкозы она использует. По мере того, как клетки мозга заболевают и умирают, они потребляют все меньше глюкозы, и, в конечном итоге, прекращают использовать ее вообще.

Другие типы сканирования ПЭТ ищут белки, связанные с болезнью Альцгеймера, но сканирование уровней глюкозы стоит меньше и гораздо более распространено, особенно в небольших медицинских учреждениях и в развивающихся странах, потому что белки также используются для постановки диагноза рака.

Радиологи использовали ПЭТ, чтобы попытаться обнаружить болезнь Альцгеймера путем поиска снижения уровня глюкозы в мозге, особенно в лобных и теменных долях головного мозга. Однако из-за того, что заболевание представляет собой медленно прогрессирующее расстройство, изменения уровня глюкозы очень незначительные, и потому их трудно обнаружить невооруженным глазом.

Чтобы решить эту проблему, Сон применил алгоритм машинного обучения к анализу данных ПЭТ, чтобы помочь более надежно диагностировать болезнь Альцгеймера на ранней стадии.

«Это идеальное применение машинного обучения, потому что оно особенно эффективно при поиске очень незначительно выраженных, но рассеянных процессов. Радиологи-люди действительно сильны в выявлении крошечных очаговых находок, таких как опухоль головного мозга, но мы стараемся обнаружить более медленные, глобальные изменения, – говорит Сон. – Машинное обучение имеет здесь огромные преимущества, особенно по сравнению с людьми».

Чтобы усовершенствовать алгоритм, Сон предоставил ИИ изображения из ADNI, обширной базы данных ПЭТ-сканирования пациентов, которым в конечном итоге был поставлен диагноз болезни Альцгеймера, легкого когнитивного нарушения или отсутствия расстройства. В итоге алгоритм выучился самостоятельно узнавать, какие функции важны для прогнозирования диагноза болезни Альцгеймера, а какие нет.

После того, как алгоритм был натренирован путем анализа 1921 сканирования, ученые проверили эффективность его работы на двух новых наборах данных. Первыми были 188 изображений, которые происходили из той же базы данных ADNI, но еще не были представлены алгоритму. Вторым был совершенно новый набор сканов от 40 пациентов, которые обратились в Центр памяти и старения UCSF с возможными нарушениями памяти.

Алгоритм правильно определил 92 процента пациентов, у которых развилась болезнь Альцгеймера, в первом наборе томограмм и 98 процентов во втором наборе томограмм. Более того, он сделал эти правильные прогнозы в среднем за 75,8 месяца – чуть более шести лет – до того, как пациенту окончательно поставили диагноз.

По словам Сона, следующим шагом является тестирование и отладка алгоритма на более крупных и разнообразных наборах данных из разных больниц и стран.

Если алгоритм сможет выдержать эти тесты, Сон считает, что его можно использовать как инструмент для прогнозирования и диагностики болезни Альцгеймера, чтобы пациент мог быстрее начать необходимое лечение.