马萨诸塞大学阿默斯特分校的研究人员获得了NIH为期两年的278,118美元拨款，用于开发新的深度学习模型，利用临床数据(包括在现实环境中进行的脑部MRI数据)来早期预测阿尔茨海默病。

这项研究的最终目标是能够更早地发现阿尔茨海默氏症(最好是在症状出现前两年或更长时间)，并使用MRI数据识别有患该病风险的患者群体，从而使研究人员能够测试中断病程的干预措施和药物的疾病。为了创建这些预测模型，研究人员将使用多模式临床数据，包括脑部MRI。

曼宁信息与计算机科学学院助理教授Madalina(Ina)Fiterau博士表示：“这项研究使我们更接近于让人们在大脑生物学仍然完整且可以做一些事情的情况下进行临床试验。”麻省大学阿默斯特分校和该研究的首席研究员和项目负责人。“到诊断时，患者百分之六十的大脑物质已经消失，并且在那个阶段是无法挽回的。我们想要做的是尽早识别这些变化，至少在发病前两年，然后在此基础上找出有效的治疗方法。”

该研究的另一位首席研究员、生物医学工程副教授JoyitaDutta博士表示，“三年前我们还无法说出这一点，但现在许多新的候选药物正在出现，我们正处于这样的时刻”实际上可以部署预测技术来识别疾病缓解疗法的潜在受试者。”

先前的研究旨在利用阿尔茨海默病神经影像计划(ADNI)的数据创建深度学习模型来预测退行性疾病。不幸的是，这给研究结果的推广带来了挑战，因为这些基于ADNI的模型使用工程数据，Fiterau指出。例如，其他研究没有合并大脑皮层的实际图像，而是使用软件来提取平均皮层厚度。

“ADNI包含大量从大脑图像中提取的专门特征，需要大量的特征工程和领域专业知识，”Fiterau解释道。“在野外收集的数据不会具有专门的功能。你将进行核磁共振扫描，但没有注释，”她说。“这就是这笔赠款的目的：弄清楚如何采用在这个专门的、精心策划的数据集上训练的模型，并看看它在野外收集的真实数据上的表现如何。”

Dutta指出，这项研究很重要，因为它使预测算法能够使用标准MRI，而不需要专门的数据。“我在研究中广泛使用PET扫描，但并非每个诊所都会收集阿尔茨海默病患者的PET图像，”她说。“与此同时，MRI往往是患有神经系统疾病的患者的首选成像方式。然而，临床上可用的MRI扫描通常使用与ADNI不同的协议进行。因此，预测模型需要推广到‘野外收集的数据’才能发挥实际作用。”

研究团队将使用深度学习从标准脑部MRI中提取特征，这些特征可以替代ADNI数据集中的特殊特征。研究人员知道，一些关键区域会受到阿尔茨海默病的影响——海马体、大脑皮层和充满液体的心室腔——因此模型将经过训练，对这些区域给予更高的权重。

该研究还旨在克服由于ADNI数据中的人口差距而导致的模型偏差，即少数族裔代表性不足和受过高等教育的个人代表性过高。在此数据集中，93%的参与者是白人，61%的人受过16年或以上的教育(美国平均为14年)。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：