人工智能用于揭示阿尔茨海默病和其他认知障碍的细胞起源

西奈山的研究人员使用新的人工智能方法来检查人脑组织的结构和细胞特征,以帮助确定阿尔茨海默病和其他相关疾病的原因。 研究小组发现,通过使用基于 AI 的公正方法研究认知障碍的原因——与淀粉样斑块等传统标记相反——揭示了可以预测认知障碍存在的意想不到的微观异常。 这些发现发表在 9 月 20 日的 Acta Neuropathologica Communications 杂志上。

“人工智能代表了一种全新的痴呆研究范式,将对复杂脑部疾病,特别是阿尔茨海默病的研究产生变革性影响,”共同通讯作者、病理学、分子和细胞医学教授约翰·克拉里 (John Crary) 说。 ,神经科学,人工智能和人类健康,西奈山伊坎医学院。 “深度学习方法被应用于预测认知障碍,这是一个具有挑战性的问题,目前尚不存在人类执行的组织病理学诊断工具。”

西奈山团队确定并分析了大脑中两个区域的潜在结构和细胞特征,即内侧颞叶和额叶皮层。 为了提高死后大脑评估的标准以识别疾病迹象,研究人员使用弱监督深度学习算法检查一组 700 多名老年供体的人脑尸检组织的幻灯片图像,以预测是否存在的认知障碍。 弱监督深度学习方法能够处理嘈杂、有限或不精确的来源,为在监督学习环境中标记大量训练数据提供信号。 该深度学习模型用于确定 Luxol 固蓝染色的减少,该染色用于量化髓磷脂的数量,髓磷脂是脑神经周围的保护层。 机器学习模型确定了与髓磷脂染色量减少相关的认知障碍信号。 以不均匀的方式散布在整个组织中; 并专注于影响学习和大脑功能的白质。 研究人员训练和使用的两组模型能够以优于随机猜测的准确性预测认知障碍的存在。

在他们的分析中,研究人员认为,人工智能识别出的特定大脑区域染色强度的降低可以作为一个可扩展的平台来评估其他相关疾病中是否存在脑损伤。 该方法为未来的研究奠定了基础,其中可能包括部署更大规模的人工智能模型以及进一步剖析算法以提高其预测准确性和可靠性。 该团队表示,最终,该神经病理学研究计划的目标是开发更好的工具来诊断和治疗患有阿尔茨海默病和相关疾病的人。

“利用人工智能使我们能够查看成倍增加的疾病相关特征,这是一种强大的方法,适用于像人脑这样的复杂系统,”共同通讯作者、病理学、分子和细胞学助理教授 Kurt W. Farrell 博士说。伊坎西奈山的基础医学、神经科学、人工智能和人类健康。 “在神经病理学和人工智能领域进行进一步的可解释性研究至关重要,这样可以将深度学习的进步转化为以安全有效的方式改进阿尔茨海默病和相关疾病的诊断和治疗方法。”

主要作者 Andrew McKenzie,医学博士,博士,伊坎西奈山精神病学系研究的联合首席住院医师,补充说:“解释分析能够识别人工智能模型用来识别的一些信号,但不是全部。做出关于认知障碍的预测。因此,在神经病理学领域部署和解释这些强大的深度学习模型仍然存在额外的挑战。”

来自德克萨斯州圣安东尼奥市德克萨斯大学健康科学中心、英国泰恩市纽卡斯尔大学、波士顿波士顿大学医学院和达拉斯德州大学西南医学中心的研究人员也为这项研究做出了贡献。 该研究得到了国家神经疾病和中风研究所、国家老龄化研究所和雨水慈善基金会的 Tau 财团的资助。

有所作为:赞助机会

故事来源:

材料 由…提供 西奈山医院 / 西奈山医学院. 注意:内容可能会根据样式和长度进行编辑。

资讯来源:由0x资讯编译自SCIENCEDAILY,版权归作者所有,未经许可,不得转载
你可能还喜欢