Tým vědců z Kalifornské univerzity v San Franciscu vedený Jae Ho Sohnem z oddělení radiologie a biomedicíny svou studii publikoval v peer-reviewed magazínu Radiology.
Neurodegenerativní Alzheimerova choroba zůstává neléčitelným stavem, avšak v případě dřívějšího odhalení by mohlo přinejmenším dojít na testování nových, perspektivních léčiv z posledních let, které by v případě úspěchy mohly zpomalit postup nemoci. Nyní bude v rychlejší diagnóze pomáhat strojové učení.
„Jednou z komplikací Alzheimerovy choroby je, že ve chvíli, kdy se objeví typické symptomy a my můžeme stanovit jednoznačnou diagnózu, příliš mnoho nervových buněk už bylo ztraceno. A to je v podstatě nevratné,“ popsal Jae Ho Sohn pro svou univerzitu.
Součástí vědecké studie byla kombinace neurozobrazování se strojovým učením, která měla za úkol předpovědět, zda se pacientovi rozvíjí Alzheimerova nemoc, a to už ve chvíli, kdy se objeví první vada paměti; což je nejlepší doba na zásah lékařů.
Klíčová je hladina cukru v buňkách v mozku
Pozitronová emisní fotografie, která měří hladiny konkrétních molekul (např. glukózy) v mozku je jedním z nástrojů, který by měl pomoci dříve odhalovat Alzheimerovu chorobu. Glukóza je primárním zdrojem paliva pro buňky mozku a čím aktivnější buňka je, tím více glukózy spotřebovává. Jak nervová zakončení odumírají, používají méně a méně glukózy.
Snímání hladiny glukózy je navíc poměrně levné a běžnější, dovolit si je mohou i lékařská zařízení v rozvojových zemích nebo menší nemocnice – využívají se také pro přesnější stanovení různých fází rakoviny.
Odhalit změny v hladině glukózy je ovšem pro lékaře velmi těžké – nemoc postupuje standardně pomalu. Právě k tomu slouží nový algoritmus strojového učení vytvořeným týmem Jae Ho Sohna.
„Jde o perfektní implementaci hlubokého učení, protože to je právě silné v hledání velmi drobných, rozptýlených změn. Radiologové umí velmi dobře odhalovat drobné, lokalizované změny, jako je třeba nádor na mozku, ale máme problém s malými, pomalými, celkovými změnami,“ vysvětluje Sohn a přibližuje důvod k využití strojového učení. „Vzhledem k síle hlubokého učení v tomto druhu práce, obzvláště v porovnání s člověkem, se zdá její implementace vlastně přirozená.“
Skvělé výsledky při experimentálních testech
K trénování algoritmu využil Sohn fotografie od organizace, která disponuje veřejnými datasety pozitronových emisních fotografií pacientů s Alzheimerem, bez něj nebo s lehkým kognitivním postižením. Algoritmus se postupem času sám naučil, jaké konkrétní prvky jsou klíčové pro rozvoj a detekci Alzheimerovy nemoci a jaké ne.
Po úvodním tréninku na 1 921 snímcích, což je velmi nízký počet, byl algoritmus vystaven 188 obrázkům ze stejné databáze, se kterými se však ještě nesetkal. V druhé části dostal úplně novou sadu 40 snímků od pacientů, kteří ještě v databázi nejsou, avšak u kterých hrozí kognitivní postižení.
Algoritmus úkol splnil, vzhledem k velmi malému začátečnímu vzorku, výtečně. Správně identifikoval 92 % pacientů v první sadě dat a celých 98 % v té druhé. Tyto správné předpovědi navíc uskutečnil v průměru 75,8 měsíců – o něco málo více než 6 let – dříve, než pacient obdržel konečnou diagnózu.
Podle Sohna je nyní dalším krokem algoritmus zvětšit pomocí dat z různých nemocnic a zemi.
„Věřím, že tento algoritmus může být relevantní. Než jej však můžeme aplikovat do praxe, musíme jej validovat a otestovat na vícero typech pacientů, ideálně v různých zemích a s různým pozadím,“ uzavírá Sohn.
Pokud algoritmus pokročilými testy projde, mohl by skutečně pomoci s dřívější predikcí Alzheimerovy nemoci. Jak to však ve zdravotnictví bývá, i tak však potrvá ještě několik let, než se objeví v praxi. Ukazuje však, jak moc je umělá inteligence v oblasti našeho zdraví významná.
PŘEDPLATNÉ
ČLÁNKY DO MAILU