Alzheimer: Künstliche Intelligenz sagt den Beginn voraus

By | 8 November 2018

Ein Instrument der künstlichen Intelligenz, mit dem Gehirnscans analysiert werden können, kann die Alzheimer-Krankheit mehrere Jahre vor einer Diagnose genau vorhersagen.

Mithilfe von PET-Scannern trainierten die Forscher einen Deep-Learning-Algorithmus, um die Anzeichen der Alzheimer-Krankheit vorherzusagen

Mithilfe von PET-Scannern trainierten die Forscher einen Deep-Learning-Algorithmus, um die Anzeichen der Alzheimer-Krankheit vorherzusagen

Positronen-Emissions-Tomographie (PET)

Die Forscher verwendeten die Positronenemissionstomographie (PET), um einen Deep-Learning-Algorithmus zu trainieren, mit dem die Anzeichen von Positronenemissionstomographie (PET) vorhergesagt werden können Alzheimer-Krankheit.

Das zuständige Team schlägt vor, dass das Tool nach einer erneuten Validierung bei der Früherkennung der Alzheimer-Krankheit von großem Nutzen sein könnte, damit die Behandlungen die Krankheit wirksamer verzögern können.

Die Forscher von der University of California in San Francisco verwendeten Positronenemissionstomographiebilder (PET) von 1.002-Gehirnen von Menschen, um den Deep-Learning-Algorithmus zu trainieren.

Sie verwendeten den 90-Prozentsatz der Bilder, um dem Algorithmus beizubringen, wie die Merkmale der Alzheimer-Krankheit erkannt werden, und den verbleibenden 10-Prozentsatz, um die Leistung zu überprüfen.

Dann testeten sie den Algorithmus an PET-Bildern des Gehirns anderer 40-Personen. Von diesen sagte der Algorithmus genau voraus, welche Personen eine endgültige Diagnose der Alzheimer-Krankheit erhalten würden. Im Durchschnitt trat die Diagnose mehr als 6 Jahre nach den Scans auf.

Verwandter Artikel> Kann Tagesmüdigkeit Alzheimer vorhersagen?

In einem kürzlich von Radiology veröffentlichten Artikel über die Ergebnisse beschreibt das Team, wie der Algorithmus "eine Spezifität von 82 Prozent mit einer Sensitivität von 100 Prozent, einem Durchschnitt von 75.8 Monaten vor der endgültigen Diagnose, erreichte".

"Wir sind sehr zufrieden", sagt Mitautor Dr. Jae Ho Sohn, der an der Universitätsklinik für Radiologie und biomedizinische Bildgebung arbeitet, "mit der Leistungsfähigkeit des Algorithmus."

"Er konnte jeden Fall vorhersagen, der zur Alzheimer-Krankheit führte", fügt er hinzu.

Alzheimer-Krankheit und PET-Bilder

Eine frühere und genauere Diagnose würde nicht nur den Betroffenen zugute kommen, sondern könnte im Laufe der Zeit auch viele Millionen an medizinischer Versorgung und damit verbundenen Kosten einsparen.

Mit fortschreitender Alzheimer-Krankheit ändert sich die Art und Weise, wie die Gehirnzellen Glukose verwenden. Diese Veränderung des Glukosestoffwechsels manifestiert sich in einer Art PET-Bild, das die Aufnahme einer radioaktiven Form von Glukose namens 18F-Fluordesoxyglukose (FDG) verfolgt.

Mithilfe von Anweisungen zur Suche konnten die Wissenschaftler den Deep-Learning-Algorithmus trainieren, um PET-Bilder mit FDG auszuwerten und so frühe Anzeichen von Alzheimer zu erkennen.

Deep Learning "lehrt sich selbst"

Die Forscher lehrten den Algorithmus mit Hilfe von mehr 2,109-FDG-PET-Bildern von 1,002-Gehirnen von Individuen. Sie verwendeten auch andere Daten aus der Alzheimer Disease Neuroimaging Initiative.

Verwandter Artikel> Vielleicht ist die Alzheimer-Krankheit nicht entzündlich. Woran liegt der Fehler?

Der Algorithmus verwendete Deep Learning, eine komplexe Art künstlicher Intelligenz, bei der anhand von Beispielen gelernt wird, ähnlich wie beim Menschen.

Deep Learning ermöglicht es dem Algorithmus, sich selbst beizubringen, worauf zu achten ist, wenn subtile Unterschiede zwischen Tausenden von Bildern erkannt werden.

Der Algorithmus war in der Analyse von PET-Bildern mit FDG so gut, wenn nicht sogar besser als menschliche Experten.

Die Autoren weisen darauf hin, dass "das Deep-Learning-Modell im Vergleich zu den Radiologielesern mit statistischer Signifikanz besser abschneidet und die Patienten erkennt, bei denen eine klinische Diagnose der Alzheimer-Krankheit vorliegt".

Zukünftige Entwicklungen

Dr. Sohn warnt davor, dass die Studie klein war und die Ergebnisse nun validiert werden müssen. Dies beinhaltet die Verwendung größerer Datensätze und mehr Bilder, die im Laufe der Zeit von Menschen in verschiedenen Kliniken und Institutionen aufgenommen wurden.

Zukünftig könnte der Algorithmus eine nützliche Ergänzung der Radiologen-Toolbox sein und die Möglichkeiten für eine frühzeitige Behandlung der Alzheimer-Krankheit verbessern.

Die Forscher planen auch, andere Arten der Mustererkennung in den Algorithmus aufzunehmen.

Die Veränderung des Glukosestoffwechsels ist nicht das einzige Merkmal der Alzheimer-Krankheit, erklärt Studienmitautor Youngho Seo, Professor an der Abteilung für Radiologie und biomedizinische Bildgebung. Eine abnormale Proteinanhäufung charakterisiere auch die Krankheit, fügt er hinzu.

»Wenn PET-FDG mit künstlicher Intelligenz die Alzheimer-Krankheit so schnell wie möglich vorhersagen kann, kann das PET-Bild von Beta-Amyloid-Plaque und Tau-Protein eine weitere wichtige Dimension der Vorhersagekraft hinzufügen.»

Prof. Youngho Seo

Verwandter Artikel> Herpes kann 50 Prozent der Alzheimer-Fälle erklären

[Titel erweitern = »Referenzen«]

  1. Freier Zugang Neuroradiologie Ein Modell des tiefen Lernens zur Vorhersage einer Diagnose der Alzheimer-Krankheit unter Verwendung von PET mit 18F-FDG des Gehirns https://pubs.rsna.org/doi/10.1148/radiol.2018180958

[/erweitern]


Autor: Dr. Lizbeth

Dr. Lizbeth Blair ist Absolventin der medizinischen Fakultät und Anästhesistin. Sie wurde an der Universität der Medizinischen Fakultät der Philippinen ausgebildet. Sie hat auch einen Abschluss in Zoologie und einen Bachelor of Nursing. Sie war mehrere Jahre in einem Regierungskrankenhaus als Ausbildungsbeauftragte für das Anästhesie-Residency-Programm tätig und verbrachte Jahre in privater Praxis in diesem Fachgebiet. Er absolvierte eine Ausbildung in klinischer Studienforschung am Clinical Trials Center in Kalifornien. Sie ist eine erfahrene Inhaltsforscherin und Autorin, die gerne medizinische und gesundheitsbezogene Artikel, Zeitschriftenrezensionen, E-Books und mehr schreibt.

Kommentarfunktion ist abgeschaltet.