Der Algorithmus erkennt frühe Anzeichen von Alzheimer mit einer Genauigkeit von fast 100 %

Nahaufnahme der Platine

  • Eine leichte kognitive Beeinträchtigung (MCI) geht häufig der Entwicklung der Alzheimer-Krankheit voraus.
  • Funktionelle MRT (fMRT)-Scans können subtile Anzeichen von MCI erfassen, sind jedoch schwer zu interpretieren.
  • Litauische Forscher haben einen Deep-Learning-Algorithmus entwickelt, der MCI in einer kleinen Studie identifizierte.

Einer der ersten Indikatoren für eine beginnende Alzheimer-Krankheit (AD) ist die Entwicklung von MCI. Subtile, schwer zu erkennende Veränderungen im Gehirn begleiten die MCI mit fortschreitender Erkrankung.

Jetzt präsentiert eine Studie von Forschern der Technischen Universität Kaunas (KTU) in Litauen einen neu entwickelten Deep-Learning-Computeralgorithmus, der die Stadien der MCI von fMRT-Scans genau erkennen und unterscheiden kann.

Der Algorithmus kann MCI und seine Stufen mit einer Genauigkeit von über 99 % identifizieren.

MCI ist ein Übergangszustand zwischen normalem altersbedingtem kognitivem Verfall und Demenz. Es schreitet nicht immer zu AD fort, aber oft, und die Früherkennung von AD kann es Menschen mit AD ermöglichen, mehr von der Behandlung zu profitieren.

„Mediziner auf der ganzen Welt versuchen, auf eine frühe Alzheimer-Diagnose aufmerksam zu machen, die den Betroffenen bessere Chancen auf eine Behandlung bietet“, sagt Studienleiter Dr. Rytis Maskeliūnas.

Claire Sexton, DPhil, die Direktorin für wissenschaftliche Programme und Öffentlichkeitsarbeit bei der Alzheimer's Association ist und nicht an der Forschung beteiligt war, sagte gegenüber "Detonic.shop":

„Eine frühe und genaue Diagnose kann emotionale, soziale und medizinische Vorteile haben und es Einzelpersonen ermöglichen, rechtliche, finanzielle und Pflegepläne zu erstellen, Behandlungsoptionen zu erkunden und an klinischen Studien teilzunehmen.“

Die Studie, die KTU Ph.D. Student Modupe Odusami führte, erscheint in der Zeitschrift MDPI.

Genaue algorithmische Erkennung

Obwohl es möglich ist, MCI manuell in fMRT-Bildern zu erkennen, ist dies eine zeitaufwändige Aufgabe, die detaillierte Kenntnisse erfordert. Als solches ist es ein idealer Kandidat für die Automatisierung mit Deep Learning. Deep Learning ist eine Art Computeralgorithmus, der lernen kann, Muster in Daten zu erkennen, die für Menschen zu klein oder undeutlich sind, um sie leicht zu erkennen.

In Zusammenarbeit mit Mitarbeitern der künstlichen Intelligenz modifizierten die KTU-Forscher einen bekannten bestehenden Algorithmus, ResNet 18, um ihn für die Erkennung von MCI zu verfeinern.

Nach dem Training testeten die Forscher den Algorithmus, indem sie fMRT-Scans von 138 Personen klassifizierten.

Die Scans zeigten sechs kognitive Stadien, beginnend mit der gesunden Kontrolle und über die MCI bis hin zur AD. Bei der Unterscheidung zwischen frühem MCI und AD war der Algorithmus zu 99.99% genau. Es war auch bei der Unterscheidung zwischen spätem MCI und AD sowie zwischen MCI und frühem MCI zu 99.95 % genau.

Dr. Maskeliūnas bemerkt:

„Obwohl dies nicht der erste Versuch war, den frühen Ausbruch von Alzheimer anhand ähnlicher Daten zu diagnostizieren, ist unser wichtigster Durchbruch die Genauigkeit des Algorithmus.“

„Natürlich“, sagt Dr. Maskeliūnas, „sind solch hohe Zahlen kein Indikator für die tatsächliche Leistung im wirklichen Leben, aber wir arbeiten mit medizinischen Einrichtungen zusammen, um mehr Daten zu erhalten.“

MNT fragte Dr. Maskeliūnas nach seinen Erwartungen an die Genauigkeit des Algorithmus in der realen Welt. Er antwortete: "Ich würde sagen, dass zuverlässige 85+% für einen Mediziner immer noch von Vorteil wären und [ihre] Arbeitsbelastung bei der Analyse von Daten reduzieren würden."

„Zu diesem Zeitpunkt“, sagte er, „arbeiten wir an der Feinabstimmung von Algorithmen, und obwohl wir einige Ergebnisse für einen kontrollierten Datensatz haben, der von anderen gesammelt wurde, ist es sehr wahrscheinlich, dass wir ihn noch überarbeiten müssen, um Variationen zu berücksichtigen.“ in realitätsnahen Daten.“

Dr. Sexton schlug vor, dass es zu früh sei, um den Wert des Algorithmus zu bestätigen, und sagte:

„Dies ist eine interessante, aber kleine Studie (25 Teilnehmer mit Alzheimer). Daher können wir noch keine Rückschlüsse auf das vorgeschlagene neue Diagnoseverfahren ziehen.“

Dr. Sexton sagt zum Algorithmus: „Um sein Potenzial zu evaluieren, ist eine Replikation dieser Ergebnisse in größeren, vielfältigeren Studiengruppen erforderlich.“

Die Zukunft des Algorithmus

Dr. Maskeliūnas sieht die Entwicklung einer algorithmusbasierten App vor, mit der Ärzte MCI bei Menschen mit AD-Risiko identifizieren könnten. Sie könnten diese Personen dann zur Behandlung anweisen.

Er interessiert sich auch für das Potenzial, den Algorithmus des Teams in ein Selbsttestsystem zu integrieren, das andere derzeit untersuchte Frühdiagnostikmethoden einschließt. Beispiele für diese anderen Methoden sind das Tracking von Augenbewegungen, das Lesen von Gesichtern und die Stimmanalyse.

Laut Dr. Sexton werden solche neuartigen Technologien „noch untersucht. Einige werden jetzt in Studien aufgenommen, wenn auch explorativ, um zusätzliche Daten aus größeren Studien zu sammeln. Fazit: Während sie in ihrer Anwendung definitiv Fortschritte machen, sind sie noch nicht im klinischen Einsatz.“

In der Pressemitteilung der KTU sagt Dr. Maskeliūnas: „Wir müssen das Beste aus Daten machen. Deshalb setzt unsere Forschungsgruppe auf das europäische Open-Science-Prinzip, damit jeder unser Wissen nutzen und weiterentwickeln kann. Ich glaube, dass dieses Prinzip einen großen Beitrag zum gesellschaftlichen Fortschritt leistet.“

Dr. Maskeliūnas schließt:

„Technologien können Medizin leichter zugänglich und billiger machen. Obwohl sie den Arzt nie – oder zumindest nicht bald – wirklich ersetzen werden, können Technologien dazu anregen, eine rechtzeitige Diagnose und Hilfe zu suchen.“

Wir möchten Sie über ein weiteres sehr interessantes Projekt informieren, das hilft, in der modernen Welt Geld zu verdienen: Handelssignale über die bevorstehende Kryptowährungspumpe auf der Binance Austausch aus dem geheimen Telegram-Kanal der Investoren. Auf YouTube ansehen Crypto-Pump-Signale und Händler VIP-Club.