無(wú)論是運(yùn)動(dòng)損傷、鞭傷還是頭部撞擊，許多輕度腦震蕩患者甚至沒(méi)有意識(shí)到，如果不及時(shí)治療，他們的輕傷可能會(huì)導(dǎo)致終身嚴(yán)重健康問(wèn)題。即使患者因受傷去急診室，據(jù)估計(jì)，50%-90%的腦震蕩病例都沒(méi)有得到正式診斷，這使他們面臨腦出血和認(rèn)知障礙等危險(xiǎn)并發(fā)癥的風(fēng)險(xiǎn)。
南加州大學(xué)維特比工程學(xué)院和南加州大學(xué)倫納德戴維斯老年醫(yī)學(xué)學(xué)院之間的一項(xiàng)新研究合作利用強(qiáng)大的機(jī)器學(xué)習(xí)模型來(lái)預(yù)測(cè)患者的腦震蕩狀況。
這項(xiàng)工作由BenjaminHacker(BS'24)領(lǐng)導(dǎo)，目前已發(fā)表在腦損傷領(lǐng)域的頂級(jí)旗艦期刊《神經(jīng)創(chuàng)傷雜志》上。
腦震蕩是一種創(chuàng)傷性腦損傷，會(huì)導(dǎo)致大腦功能暫時(shí)改變。Hacker表示，目前腦震蕩的臨床診斷通常依賴于基本的認(rèn)知測(cè)試，例如格拉斯哥昏迷量表，這是一種用于評(píng)估患者意識(shí)水平、反應(yīng)能力和記憶力的工具。然而，許多輕度腦震蕩患者從未失去意識(shí)，并且可能不會(huì)出現(xiàn)傳統(tǒng)的認(rèn)知癥狀，因此很容易診斷。Hacker表示，現(xiàn)有的測(cè)試不夠靈敏，無(wú)法檢測(cè)出許多較輕的病例。
“我們看到了一個(gè)機(jī)會(huì)，可以在‘根本不是腦震蕩’和嚴(yán)重到可以持續(xù)檢測(cè)到的腦震蕩之間找到一個(gè)契機(jī)，”哈克說(shuō)道，他是南加州大學(xué)維特比工程學(xué)院本科生時(shí)撰寫(xiě)的這篇論文的作者，現(xiàn)在是莫克家族化學(xué)工程和材料科學(xué)系的碩士生。
“臨床醫(yī)生，”他補(bǔ)充道，“不一定會(huì)為沒(méi)有任何癥狀的患者開(kāi)具影像檢查和MRI檢查。我們的想法是，這是一種輔助方法，可以在患者出現(xiàn)某些癥狀但無(wú)法僅根據(jù)認(rèn)知測(cè)試做出腦震蕩診斷時(shí)為臨床醫(yī)生提供幫助。”
Hacker表示，他與南加州大學(xué)LeonardDavis老年醫(yī)學(xué)學(xué)院老年醫(yī)學(xué)、生物醫(yī)學(xué)工程和神經(jīng)科學(xué)副教授AndreiIrimia領(lǐng)導(dǎo)的合作者通過(guò)利用健康對(duì)照樣本和腦震蕩患者的MRI腦部掃描數(shù)據(jù)建立了模型。分類器所基于的成像稱為擴(kuò)散加權(quán)成像，它測(cè)量液體通過(guò)不同連接路徑流經(jīng)大腦的方式。
“這些數(shù)據(jù)量化了大腦不同區(qū)域之間擴(kuò)散的方向性。它告訴我們這些不同節(jié)點(diǎn)之間的聯(lián)系有多緊密。然后我們使用機(jī)器學(xué)習(xí)開(kāi)發(fā)了一個(gè)分類器，”Hacker說(shuō)。“我們用一個(gè)發(fā)現(xiàn)樣本訓(xùn)練這個(gè)分類器，讓它知道健康人和受傷人員的連接矩陣有何不同。然后，??當(dāng)我們給它獨(dú)立的測(cè)試樣本時(shí)，它能夠根據(jù)大腦連接矩陣中的模式和某些神經(jīng)通路的強(qiáng)度，檢測(cè)出哪些受試者是腦震蕩的，哪些是健康的。”
Hacker和他的團(tuán)隊(duì)發(fā)現(xiàn)他們的分類模型效果非常好，在訓(xùn)練和測(cè)試樣本中都表現(xiàn)出99%的準(zhǔn)確率。
“這種方法的準(zhǔn)確率比我們見(jiàn)過(guò)的任何方法都要高得多，”Hacker說(shuō)。“我認(rèn)為這是因?yàn)橹皼](méi)有人設(shè)計(jì)出我們這種精確的流程，即使用擴(kuò)散加權(quán)成像，將其轉(zhuǎn)化為連接矩陣，然后以定制的方式利用機(jī)器學(xué)習(xí)來(lái)發(fā)現(xiàn)哪些路徑最容易受到頭部創(chuàng)傷的影響。這當(dāng)然是新穎的，因?yàn)榈侥壳盀橹梗覀冞€沒(méi)有一個(gè)足夠準(zhǔn)確的基于成像的腦震蕩分類器可以依賴。”
該分類器是使用貝葉斯機(jī)器學(xué)習(xí)構(gòu)建的，Hacker將其描述為一種概率系統(tǒng)，它根據(jù)先前條件的知識(shí)，根據(jù)錯(cuò)誤分類或誤分類概率最小的特征進(jìn)行分類。
“它使用訓(xùn)練數(shù)據(jù)來(lái)確定你期望從健康人身上看到什么樣的模式，以及你期望從受傷的人身上看到什么樣的模式，”Hacker說(shuō)。
作為知名期刊上發(fā)表研究成果的主要作者，對(duì)一名本科生來(lái)說(shuō)是一項(xiàng)獨(dú)特的成就。對(duì)于Hacker來(lái)說(shuō)，他在春季將返回南加州大學(xué)維特比分校攻讀材料工程碩士學(xué)位，在南加州大學(xué)倫納德·戴維斯老年學(xué)學(xué)院進(jìn)行本科研究似乎是一個(gè)令人驚訝的途徑。
Hacker最初通過(guò)Viterbi工程本科生研究中心(CURVE)項(xiàng)目與Irimia實(shí)驗(yàn)室配對(duì)。他很快發(fā)現(xiàn)他的化學(xué)工程背景非常適合這種類型的大腦研究。Hacker精通有關(guān)流體在各種環(huán)境中流動(dòng)方式的化學(xué)工程理論。這些背景知識(shí)很好地轉(zhuǎn)化為他很快發(fā)現(xiàn)自己專攻的大腦研究，對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的迷戀推動(dòng)了他更好地理解神經(jīng)連接組的愿望。
“在Irimia的幫助下，我想出了這個(gè)想法，并被它吸引，因?yàn)榱私鈹U(kuò)散(水和其他液體移動(dòng)的一種方式)非?；诨瘜W(xué)工程。這是這項(xiàng)研究的核心，也是這些腦部掃描的核心——追蹤水在大腦中擴(kuò)散的方式，”Hacker說(shuō)。“這對(duì)我來(lái)說(shuō)是一個(gè)機(jī)會(huì)，讓我能夠?qū)⑽覍W(xué)到的大量有關(guān)流體力學(xué)和數(shù)值分析的知識(shí)應(yīng)用到與課堂上介紹的應(yīng)用完全不同的東西上。”
研究團(tuán)隊(duì)創(chuàng)建的分類器有可能成為可應(yīng)用于臨床的腦震蕩診斷平臺(tái)的基礎(chǔ)。
“我們認(rèn)為這項(xiàng)工作絕對(duì)有可能以積極的方式顛覆該領(lǐng)域并產(chǎn)生影響。這對(duì)我來(lái)說(shuō)是最令人興奮的部分。我迫不及待地想看看這會(huì)帶來(lái)什么，”哈克說(shuō)。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！