Alzheimer: Trí tuệ nhân tạo dự đoán sự khởi phát
Một công cụ trí tuệ nhân tạo được dạy để phân tích các bản quét não có thể dự đoán chính xác bệnh Alzheimer vài năm trước khi có chẩn đoán cuối cùng.
Nhóm chịu trách nhiệm gợi ý rằng, sau khi được xác nhận thêm, công cụ này có thể hỗ trợ rất nhiều cho việc phát hiện sớm bệnh Alzheimer, giúp cho các phương pháp điều trị có thời gian làm chậm bệnh hiệu quả hơn.
Các nhà nghiên cứu từ Đại học California ở San Francisco, đã sử dụng hình ảnh chụp cắt lớp phát xạ positron (PET) của 1.002 bộ não của mọi người để đào tạo thuật toán học sâu.
Họ đã sử dụng 90% hình ảnh để dạy thuật toán cách phát hiện các đặc điểm của bệnh Alzheimer và 10% còn lại để xác minh hiệu suất của nó.
Sau đó, họ thử nghiệm thuật toán trên hình ảnh PET não của 40 người khác. Từ những điều này, thuật toán đã dự đoán chính xác những cá nhân nào sẽ nhận được chẩn đoán cuối cùng về bệnh Alzheimer. Trung bình, chẩn đoán được đưa ra sau hơn 6 năm kể từ khi chụp cắt lớp.
Trong một bài báo về những phát hiện, Phóng xạ học tạp chí đã xuất bản gần đây, nhóm nghiên cứu mô tả cách thuật toán "đạt được độ đặc hiệu 82% ở độ nhạy 100%, trung bình 75,8 tháng trước khi chẩn đoán cuối cùng."
“Chúng tôi rất hài lòng,” đồng tác giả Dr.Jae Ho Sohn, người làm việc trong khoa X quang và hình ảnh y sinh của trường đại học, “với hiệu suất của thuật toán”.
Ông cho biết thêm: “Nó có thể dự đoán mọi trường hợp tiến triển thành bệnh Alzheimer.
Bệnh Alzheimer và hình ảnh PET
Hiệp hội Alzheimer ước tính rằng có khoảng 5,7 triệu người đang sống với bệnh Alzheimer ở Hoa Kỳ và con số này có khả năng tăng lên gần 14 triệu vào năm 2050.
Việc chẩn đoán sớm hơn và chính xác hơn sẽ không chỉ mang lại lợi ích cho những người bị ảnh hưởng mà còn có thể tiết kiệm chung khoảng 7,9 nghìn tỷ USD chi phí chăm sóc y tế và các chi phí liên quan theo thời gian.
Khi bệnh Alzheimer tiến triển, nó thay đổi cách các tế bào não sử dụng glucose. Sự thay đổi này trong quá trình chuyển hóa glucose hiển thị trong một loại hình ảnh PET theo dõi sự hấp thụ của một dạng phóng xạ của glucose được gọi là 18F-fluorodeoxyglucose (FDG).
Bằng cách đưa ra hướng dẫn về những gì cần tìm, các nhà khoa học có thể đào tạo thuật toán học sâu để đánh giá hình ảnh FDG PET để tìm các dấu hiệu ban đầu của bệnh Alzheimer.
Học sâu 'tự dạy mình'
Các nhà nghiên cứu đã dạy thuật toán này với sự trợ giúp của hơn 2.109 hình ảnh FDG PET của 1.002 bộ não của cá nhân. Họ cũng sử dụng các dữ liệu khác từ Sáng kiến Bệnh Alzheimer’s Neuroimaging.
Thuật toán sử dụng học sâu, một loại trí tuệ nhân tạo phức tạp liên quan đến việc học thông qua các ví dụ, tương tự như cách con người học.
Học sâu cho phép thuật toán “tự dạy” những gì cần tìm bằng cách phát hiện những khác biệt nhỏ giữa hàng nghìn hình ảnh.
Thuật toán này tốt như, nếu không muốn nói là tốt hơn các chuyên gia về con người trong việc phân tích các hình ảnh FDG PET.
Các tác giả lưu ý rằng “so với người đọc X quang, mô hình học sâu hoạt động tốt hơn, có ý nghĩa thống kê, trong việc nhận ra những bệnh nhân sẽ tiếp tục chẩn đoán lâm sàng về [bệnh Alzheimer].”
Phát triển trong tương lai
Tiến sĩ Sohn cảnh báo rằng nghiên cứu này còn nhỏ và những phát hiện này hiện cần phải được xác nhận. Điều này sẽ liên quan đến việc sử dụng bộ dữ liệu lớn hơn và nhiều hình ảnh hơn được chụp theo thời gian từ những người tại các phòng khám và tổ chức khác nhau.
Trong tương lai, thuật toán có thể là một bổ sung hữu ích cho hộp công cụ của bác sĩ X quang và cải thiện cơ hội điều trị sớm bệnh Alzheimer.
Các nhà nghiên cứu cũng có kế hoạch đưa các loại nhận dạng mẫu khác vào thuật toán.
Đồng tác giả nghiên cứu Youngho Seo, giáo sư tại Khoa X quang và Hình ảnh Y sinh, giải thích sự thay đổi trong chuyển hóa glucose không phải là dấu hiệu duy nhất của bệnh Alzheimer. Ông cho biết thêm, sự tích tụ bất thường của các protein cũng là đặc điểm của căn bệnh này.
“Nếu FDG PET với [trí thông minh nhân tạo] có thể dự đoán bệnh Alzheimer sớm như thế này, mảng xơ vữa beta-amyloid và hình ảnh PET protein tau có thể bổ sung thêm một khía cạnh khác của khả năng tiên đoán quan trọng.
Giáo sư Youngho Seo
