AI 前线导读:最近,医学期刊*Radiology 刊载,*人们已开发出一种新型的功能强大的深度学习算法,可以分析 PET 扫描图像,比现有的诊断方法提前 6 年有效地检测到阿尔兹海默症。该研究是探索利用机器学习技术解决医学难题浪潮的一部分工作,能够识别人类临床医生无法获取的复杂医学成像数据中的微妙模式。
该团队目前用于确定阿尔茨海默病的诊断工具之一,是一种称为 18-F-氟脱氧葡萄糖 PET 扫描(FDG-PET)的脑成像扫描,可以更清晰地成像。这种扫描方法之前用于识别一些癌症,但近年来被证明可用于识别阿尔茨海默氏症和其他几种类型的痴呆症。
这项新研究在 2100 多种 FDG-PET 脑图像上训练机器学习算法。虽然人类临床医生已经非常擅长评估这些影像,但此研究的合著者 Jae Ho Sohn 表示,新的深度学习技术能够识别密集成像数据中更微妙的模式。
“大脑中葡萄糖摄取模式的差异是非常微妙和分散的,”Jae Ho Sohn 说道。“人们善于发现疾病的特定生物标志物,但代谢变化更能表明更加全局和微妙的过程。”
在一小组独立的脑部扫描上测试该算法时,该算法在每一个病例中都能提前 6 年预测到阿尔兹海默症状。根据该指标,该算法明显优于人类放射科医师。
虽然有些研究人员对这些满怀希望的结果表示赞赏,但许多研究人员的态度更加谨慎,建议在进入临床应用之前需要做更多的工作来验证结果。
“这是一个很小的数据集,只有 40 人,”伦敦大学学院的 John Hardy 表示。“这个数据集并不能代表所有人口。所以我们还不知道这是否适用于大多数人。”
值得注意的是,大多数患者并未广泛使用这些 PET 扫描。这种机器学习创新无疑在学术中令人印象深刻,但它并没有为希望更好地诊断患者的医生提供有用的工具。
“目前在英国,PET 扫描的使用主要限于研究和临床试验,以确保在合适的人群中测试潜在的新药,”来自阿尔茨海默氏症研究中心的 Carol Routledge 解释道。“PET 扫描是一种强大的工具,但价格昂贵且需要专业设施和专业知识。”
然而,这项研究表明,深度学习算法可以极大地帮助临床医生处理迅速增长的大量大数据。此外,麦吉尔大学最近的一项研究也发现了一种通过评估各种诊断数据,预测认知衰退最早阶段的算法,和这项新研究的一系列工作一起,推动了医学界采用计算机帮助我们在出现主要症状之前预测神经退行性疾病的工作。
原文链接:
评论