机器学习id标记帮助预测阿尔茨海默氏症

全世界有近5000万人阿尔茨海默氏症或另一种形式的痴呆症。这些不可逆的脑部疾病慢慢引起记忆丧失和破坏思维能力,最终到了这样一种程度,自我保健变得非常困难,甚至不可能。

目前无法治愈的存在,某些药物可以延迟症状多年来的发展,延长患者的生活质量。然而,为了使这些药物是有效的,必须在早期诊断疾病,认知能力下降的症状变得明显之前。当前的研究表明大脑损害可能与阿尔茨海默氏症相关症状出现前十年或更长时间开始。可靠的筛查工具预测个人在迫切需要患老年痴呆症的风险。

最近,一个团队从美国能源部(DOE)布鲁克海文国家实验室,哥伦比亚大学医学中心,纽约州立大学石溪分校和Ilsan医院在韩国已经表明,结合两种不同模式的磁共振成像(MRI),计算机图像分析,图像分类使用机器学习模型可能是一个有前途的方法来准确预测阿尔茨海默氏症的风险。

“这样的多通道成像分析可以提高预测能力通过识别关键诊断疾病的标记,“团队成员Shinjae柳说,在布鲁克海文实验室的计算机科学家计算科学计划。

大脑图像显示的变化

之前的核磁共振成像研究中,科学家们分析了大脑的形状和尺寸(形态测量学)表明,阿尔茨海默病涉及大脑的解剖学特征变化。例如,薄的皮层和萎缩hippocampus-both大脑结构发挥重要作用在内存诊断阿尔茨海默氏症的标志。尽管结构经常使用MRI作为临床评估的一部分,当一个人被怀疑的疾病,它缺乏精确性和概括性的水平在患者群体站本身作为一个可靠的预测工具。

在过去的十年中,科学家们已经开始调查是否不同模式的MRI-called扩散MRI-could为医生提供额外的信息来提高预测能力。扩散磁共振成像捕捉水分子在生物组织,如何映射这个扩散过程可以揭示微妙组织显微结构的变化。

使用扩散磁共振成像时,科学家们发现异常在白色的问题类型的老年痴呆症患者大脑组织。位于皮层下白质,由数以百万计的捆绑连接神经元的神经纤维(轴突)在不同的灰质区域结构化网络运行像大片通信电缆老化的整个大脑。白色的颜色来自于脂肪层的电气绝缘外套轴突(髓鞘),使他们能够更快地发送整个大脑神经冲动。灰质有髓鞘的轴突相对较少,所以需要对神经细胞的身体的颜色组成的。

一个新的研究方向

阿尔茨海默氏症研究的大部分集中在灰质退化,但是因为最近的计算建模工具的进步,科学家们将他们的注意力转向白质。tractography-a例如,改进算法的计算方法从生物物理模型重建白质束神经纤维的取向均使更准确估计的白色物质的微观结构。

初步研究表明,白质的完整性在阿尔茨海默氏症的风险下降。核磁共振扫描显示,叫做hyperintensities退化表现为亮白色斑点。然而,科学家们并不确定在多大程度上白质“结构体”——大脑的布线系统,或独特的模式数十亿的神经元之间的连接为阿尔茨海默氏症的风险超出brain-carries额外的信息显示,基于结构的MRI形态测量学的分析。

预测由机器学习

Yoo和他的团队开始着手解决这个问题,使用结构和扩散磁共振成像图像来自一群超过200老年痴呆的病人诊所Ilsan医院。神经学家已经诊断阿尔茨海默氏症患者,轻度认知障碍(痴呆之间的阶段和预期的认知衰退老化),或主观认知能力下降(被认为是最早的痴呆的迹象,在病人报告内存或其它认知功能下降但执行通常标准筛查)。

处理和分析的原始图像,设计团队成员严格的管道组成的一些现有算法。接下来,他们应用机器学习训练image-derived分类模型对大脑产生的“表现型”他们的大脑analysis-estimations形状和卷(的形态学数据)和白质结构连通性(tractography数据)从每个患者诊断类别。然后他们使用诊断的模型进行预测。

“在一项研究中使用的数据从一个痴呆的诊所,我们实现了高达98%的精度检测阿尔茨海默氏症和84%的准确率预测轻度认知障碍,阿尔茨海默氏症的前兆,“团队成员Jiook Cha说,研究科学家和神经生物学系的助理教授在哥伦比亚大学医学中心精神病学。“我们的机器学习模型的准确性训练对大脑连接体估计超过现有的成像标记用于临床的设置(例如,白质hyperintensities) 10 - 29%,分别。使用独立的阿尔茨海默病的神经影像学数据,我们复制这些结果。”

通过比较他们的不同的机器学习模型的性能,团队成员确定的结构体可能是一种临床上有用的成像标记为阿尔茨海默氏症。

“模型训练的形态学和连接体数据更精确地分类阿尔茨海默病和轻度认知障碍比单独模型训练的形态学数据,”柳解释道。“此外,连接体模型分类轻度认知障碍和主观认知衰退一样准确地结合模式不比形态测量学模型,没有分类准确。”

这些结果表明,扩散磁共振成像可以是一个有价值的工具在阿尔茨海默病的早期检测。神经学家认为,轻度认知障碍和主观认知衰退前体阿尔茨海默氏症,所以异常的变化白质中检测到这些临床前阶段可以表明患者最终发展成阿尔茨海默病的风险增加。能够识别这种微观的变化在几年前更严重的宏观变化可能会带来更好的治疗甚至治愈。

“这项研究强烈表明使用多通道MRI-particularly扩散mri的可行性的分析结构connectome-to准确预测阿尔茨海默氏症的风险,“Cha说。

后续研究基于回顾病人数据将进一步评估这个方法是否可以实现在临床的设置。