Искусственный интеллект сможет диагностировать болезнь Альцгеймера

Американские исследователи разработали алгоритм машинного обучения, который по данным функциональной магнитно-резонансной томографии на ранней стадии определяет болезнь Альцгеймера. Новая сверточная нейронная сеть может работать с четырехмерными данными и не требует предварительной обработки материала, что уменьшает необходимые вычислительные ресурсы. Статья опубликована в Journal of Medical Imaging.

Болезнь Альцгеймера — нейродегенеративное заболевание, которое наносит серьезный ущерб мозгу и сильно ухудшает качество жизни пациентов. Ученые из Техасского технологического университета использовали алгоритмы машинного обучения для раннего диагностирования болезни Альцгеймера по данным функциональной магнитно-резонансной томографии (фМРТ), материалу, который обычно очень сложно анализировать.

«От болезни Альцгеймера пока нет лекарства. Хотя повреждение мозга нельзя обратить вспять, можно снизить скорость развития болезни с помощью лекарств, — рассказали авторы работы. — Наш алгоритм может точно идентифицировать различные стадии легких когнитивных нарушений, которые служат предупреждением о развитии болезни Альцгеймера».

Исследователи создали сверточную нейронную сеть (convolutional neural network, CNN), которая может распознавать изображения. Обычно такие алгоритмы используются для классификации 2D-изображений, то есть четырехмерные пространственно-временные данные фМРТ представляют для них проблему. Однако исследователи разработали CNN, которая сначала обрабатывает данные фМРТ на основе временных изменений, без учета трехмерных структурных свойств. Затем три последующих слоя извлекают из временных характеристик пространственные характеристики в разных масштабах. Это дает информацию, которую используют последние слои для классификации входных данных фМРТ от здорового человека, больного с ранним или поздним когнитивным нарушением или пациента с болезнью Альцгеймера.

Дизайн нового алгоритма прост, но эффективен для обработки сложных данных фМРТ, которые могут подаваться в качестве входных данных в CNN без какой-либо предварительной обработки. Это уменьшает необходимые вычислительные ресурсы и позволяет алгоритму делать прогнозы намного быстрее. Исследователи обучили и протестировали CNN на данных фМРТ из общедоступной базы. Первые результаты оказались многообещающими: точность классификации алгоритма была не ниже, а иногда даже и выше, чем у других методов.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.