新的机器学习程序显示了早期阿尔茨海默氏症诊断的承诺

一个新的机器学习程序开发的凯斯西储大学的研究人员似乎比其他方法诊断阿尔茨海默病症状开始干扰之前生活的每一天,最初的测试显示了。

有超过500万的美国人可能有老年痴呆症疾病据估计,随着人口老龄化和数字。这种疾病是不可逆转的,进步缓慢破坏记忆力和思维能力大脑紊乱。虽然没有治愈,一些药物可以延缓或阻止症状恶化长达五年以上,根据美国国家老龄问题研究所和发表的研究。

与此同时,早期诊断和治疗的目标,新的基于计算机的小型程序)允许那些有疾病的关键能保持更长时间的独立。

阿尔茨海默病的计算机程序集成了一系列指标,包括轻度认知障碍。在两个连续的阶段,算法选择最相关的预测阿尔茨海默氏症。

“许多论文比较健康的疾病,但是有一个连续体,”说Anant Madabhushi, f·亚历克斯·内森二世生物医学工程教授凯斯西储。“我们故意包括轻度认知障碍,这可能是老年痴呆症的前兆,但并非总是如此。”

在《华尔街日报》发表的一项研究科学报告Madabhushi, Asha Singanamalli,最近赢得了她生物医学工程硕士学位和王叫海波,前博士后研究人员测试算法,使用的数据来自149名患者通过阿尔茨海默病的神经影像学收集。

团队开发所谓的级联多视点典型相关(CaMCCo)算法,集测量磁共振成像(MRI)扫描,海马体的功能,大脑葡萄糖代谢率、蛋白质组学、基因组学、轻度认知障碍和其他参数。

Madabhushi的实验室曾多次发现,整合不同的信息是有价值的对于识别癌症。这是第一次他和他的团队所做的对于阿尔茨海默病的诊断和描述。

“算法假定每个参数提供了一种疾病的不同观点,好像每一组不同的有色眼镜,“Madabhushi说。

项目评估的变量在两级联。首先,算法选择最佳的参数区分健康的人不是人。第二,算法最好选择那些不健康的变量区分轻度认知障碍和老年痴呆症。

“剩下的观点结合给最好的照片,“Madabhushi说。

在预测哪些病人有阿尔茨海默氏症的研究中,CaMCCo优于单个指标以及把它们没有选择评估方法。这也更好的预测了轻度认知障碍比其他方法,结合多个指标。

研究人员继续验证和调整的方法与来自多个站点的数据。他们还计划使用该软件在一个观测模式:合作对患者神经学家编译测试,电脑将运行数据。如果CaMCCo证明是有用的在预测早期阿尔茨海默氏症,Madabhushi希望追求一个前瞻性临床试验验证。