人工智慧用於揭示阿爾茨海默病和其他認知障礙的細胞起源

西奈山的研究人員使用新的人工智慧方法來檢查人腦組織的結構和細胞特徵，以幫助確定阿爾茨海默病和其他相關疾病的原因。 研究小組發現，通過使用基於 AI 的公正方法研究認知障礙的原因——與澱粉樣斑塊等傳統標記相反——揭示了可以預測認知障礙存在的意想不到的微觀異常。 這些發現發表在 9 月 20 日的 Acta Neuropathologica Communications 雜誌上。

「人工智慧代表了一種全新的痴呆研究範式，將對複雜腦部疾病，特別是阿爾茨海默病的研究產生變革性影響，」共同通訊作者、病理學、分子和細胞醫學教授約翰·克拉里 (John Crary) 說。 ，神經科學，人工智慧和人類健康，西奈山伊坎醫學院。 「深度學習方法被應用於預測認知障礙，這是一個具有挑戰性的問題，目前尚不存在人類執行的組織病理學診斷工具。」

西奈山團隊確定並分析了大腦中兩個區域的潛在結構和細胞特徵，即內側顳葉和額葉皮層。 為了提高死後大腦評估的標準以識別疾病跡象，研究人員使用弱監督深度學習演算法檢查一組 700 多名老年供體的人腦屍檢組織的幻燈片圖像，以預測是否存在的認知障礙。 弱監督深度學習方法能夠處理嘈雜、有限或不精確的來源，為在監督學習環境中標記大量訓練數據提供信號。 該深度學習模型用於確定 Luxol 固藍染色的減少，該染色用於量化髓磷脂的數量，髓磷脂是腦神經周圍的保護層。 機器學習模型確定了與髓磷脂染色量減少相關的認知障礙信號。 以不均勻的方式散布在整個組織中； 並專註於影響學習和大腦功能的白質。 研究人員訓練和使用的兩組模型能夠以優於隨機猜測的準確性預測認知障礙的存在。

在他們的分析中，研究人員認為，人工智慧識別出的特定大腦區域染色強度的降低可以作為一個可擴展的平台來評估其他相關疾病中是否存在腦損傷。 該方法為未來的研究奠定了基礎，其中可能包括部署更大規模的人工智慧模型以及進一步剖析演算法以提高其預測準確性和可靠性。 該團隊表示，最終，該神經病理學研究計劃的目標是開發更好的工具來診斷和治療患有阿爾茨海默病和相關疾病的人。

「利用人工智慧使我們能夠查看成倍增加的疾病相關特徵，這是一種強大的方法，適用於像人腦這樣的複雜系統，」共同通訊作者、病理學、分子和細胞學助理教授 Kurt W. Farrell 博士說。伊坎西奈山的基礎醫學、神經科學、人工智慧和人類健康。 「在神經病理學和人工智慧領域進行進一步的可解釋性研究至關重要，這樣可以將深度學習的進步轉化為以安全有效的方式改進阿爾茨海默病和相關疾病的診斷和治療方法。」

主要作者 Andrew McKenzie，醫學博士，博士，伊坎西奈山精神病學系研究的聯合首席住院醫師，補充說：「解釋分析能夠識別人工智慧模型用來識別的一些信號，但不是全部。做出關於認知障礙的預測。因此，在神經病理學領域部署和解釋這些強大的深度學習模型仍然存在額外的挑戰。」

來自德克薩斯州聖安東尼奧市德克薩斯大學健康科學中心、英國泰恩市紐卡斯爾大學、波士頓波士頓大學醫學院和達拉斯德州大學西南醫學中心的研究人員也為這項研究做出了貢獻。 該研究得到了國家神經疾病和中風研究所、國家老齡化研究所和雨水慈善基金會的 Tau 財團的資助。

有所作為：贊助機會

故事來源：

材料 由…提供 西奈山醫院 / 西奈山醫學院. 注意：內容可能會根據樣式和長度進行編輯。