預(yù)計幾年內(nèi)，全球數(shù)百萬阿爾茨海默病 (AD) 患者的護理費用將超過 1 萬億美元。除了巨大的健康負擔外，患者及其護理人員還承受著經(jīng)濟、身體和心理上的壓力。關(guān)于 AD 藥物反復(fù)失敗的一個理論是，接受實驗性治療的患者在疾病過程中選擇得太晚。因此，在疾病早期識別出進展為 AD 高風險的患者非常重要。
為了幫助識別哪些人可以從早期干預(yù)中受益，波士頓大學的研究人員開發(fā)了一種深度學習框架，可以根據(jù)輕度認知障礙(MCI) 患者發(fā)展為 AD 的風險對他們進行分層。
波士頓大學 Chobanian & Avedisian 學院醫(yī)學副教授、通訊作者 Vijaya B. Kolachalama 博士、FAHA 表示：“量化進展為阿爾茨海默病 (AD) 的風險有助于確定哪些人可以從早期干預(yù)中受益。”醫(yī)學。
研究小組研究了來自阿爾茨海默病神經(jīng)影像計劃 (ADNI) 和國家阿爾茨海默病協(xié)調(diào)中心 (NACC) 的數(shù)據(jù)，根據(jù)腦液淀粉樣蛋白-β 水平將患有輕度認知障礙 (MCI) 的個體分為幾組。他們研究了這些群體中的灰質(zhì)體積模式，以識別風險群體，并通過專家評估驗證他們的發(fā)現(xiàn)。
他們開發(fā)了將神經(jīng)網(wǎng)絡(luò)與生存分析相結(jié)合的模型，以預(yù)測從 MCI 到阿爾茨海默病的進展。然后，他們將模型預(yù)測與生物學證據(jù)聯(lián)系起來，用尸檢數(shù)據(jù)證實了阿爾茨海默病的診斷。
Kolachalama 補充道：“通過利用可解釋機器學習的進步，我們證明與AD 相關(guān)的大腦區(qū)域(例如內(nèi)側(cè)顳葉)是預(yù)測進展風險的最重要區(qū)域之一，從而確保我們的研究結(jié)果與既定的醫(yī)學知識一致。”
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！