Alzheimer: Yapay zeka başlangıcı öngörüyor
Beyin taramalarını analiz etmeyi öğretilen bir yapay zeka aracı, son teşhisten birkaç yıl önce Alzheimer hastalığını doğru bir şekilde tahmin edebilir.
Sorumlu ekip, daha fazla doğrulamadan sonra, aracın Alzheimer hastalığının erken tespitine büyük ölçüde yardımcı olabileceğini ve hastalığın daha etkili bir şekilde yavaşlatılması için tedavilere zaman kazandırabileceğini öne sürüyor.
San Francisco'daki California Üniversitesi'nden araştırmacılar, derin öğrenme algoritmasını eğitmek için 1.002 kişinin beyninin pozitron emisyonlu tomografi (PET) görüntülerini kullandı.
Algoritmaya Alzheimer hastalığının özelliklerini nasıl belirleyeceğini öğretmek için görüntülerin yüzde 90'ını ve performansını doğrulamak için kalan yüzde 10'unu kullandılar.
Daha sonra algoritmayı 40 kişinin beyinlerinin PET görüntüleri üzerinde test ettiler. Bunlardan algoritma, hangi kişilerin Alzheimer hastalığının kesin teşhisini alacağını doğru bir şekilde tahmin etti. Ortalama olarak, teşhis taramalardan 6 yıldan fazla bir süre sonra geldi.
Bulgularla ilgili bir makalede, Radyoloji Dergi kısa süre önce yayımladı, ekip algoritmanın "son teşhisten ortalama 75,8 ay önce, yüzde 100 duyarlılıkta yüzde 82 özgüllüğü nasıl elde ettiğini" açıklıyor.
Ortak yazar Dr.Üniversitenin radyoloji ve biyomedikal görüntüleme bölümünde çalışan Jae Ho Sohn, "algoritmanın performansıyla".
"Alzheimer hastalığına ilerleyen her vakayı tahmin edebiliyordu" diye ekliyor.
Alzheimer hastalığı ve PET görüntüleme
Alzheimer Derneği, Amerika Birleşik Devletleri'nde yaklaşık 5,7 milyon insanın Alzheimer hastalığı ile yaşadığını ve bu rakamın 2050'ye kadar yaklaşık 14 milyona çıkması muhtemel olduğunu tahmin ediyor.
Daha erken ve daha doğru teşhis sadece etkilenenlere fayda sağlamakla kalmaz, aynı zamanda toplu olarak tıbbi bakımda ve ilgili maliyetlerde zaman içinde yaklaşık 7,9 trilyon dolar tasarruf sağlayabilir.
Alzheimer hastalığı ilerledikçe beyin hücrelerinin glikoz kullanma şeklini değiştirir. Glikoz metabolizmasındaki bu değişiklik, 18F-florodeoksiglukoz (FDG) adı verilen radyoaktif bir glikoz formunun alımını izleyen bir PET görüntüleme türünde ortaya çıkıyor.
Bilim insanları, neye bakacaklarına dair talimatlar vererek, FDG PET görüntülerini Alzheimer’ın erken belirtileri açısından değerlendirmek için derin öğrenme algoritmasını eğitebildiler.
Derin öğrenme "kendi kendine öğretir"
Araştırmacılar, algoritmayı 1.002 bireyin beyninin 2.109'dan fazla FDG PET görüntüsünün yardımıyla öğretti. Ayrıca Alzheimer Hastalığı Nörogörüntüleme Girişimi'nden alınan diğer verileri de kullandılar.
Algoritma, insanların nasıl öğrendiğine benzer şekilde, örnekler yoluyla öğrenmeyi içeren karmaşık bir yapay zeka türü olan derin öğrenmeyi kullandı.
Derin öğrenme, algoritmanın binlerce görüntü arasındaki ince farklılıkları belirleyerek ne arayacağını "kendisine öğretmesine" olanak tanır.
Algoritma, FDG PET görüntülerini analiz etmede insan uzmanlarından daha iyi olmasa da iyiydi.
Yazarlar, "radyoloji okuyucularla karşılaştırıldığında, derin öğrenme modelinin, klinik olarak [Alzheimer hastalığı] tanısı alacak hastaları tanımada istatistiksel anlamlılık ile daha iyi performans gösterdiğini" belirtiyorlar.
Gelecek gelişmeler
Dr. Sohn, çalışmanın küçük olduğu ve bulguların artık doğrulamaya tabi tutulması gerektiği konusunda uyarıyor. Bu, daha büyük veri kümelerinin kullanılmasını ve çeşitli klinik ve kurumlardaki insanlardan zaman içinde alınan daha fazla görüntüyü içerecektir.
Gelecekte, algoritma radyoloğun alet kutusuna faydalı bir ek olabilir ve Alzheimer hastalığının erken tedavisi için fırsatları iyileştirebilir.
Araştırmacılar ayrıca algoritmaya başka türden örüntü tanıma türlerini de dahil etmeyi planlıyor.
Radyoloji ve Biyomedikal Görüntüleme Bölümü'nde profesör olan çalışmanın ortak yazarı Youngho Seo, glikoz metabolizmasındaki değişimin Alzheimer'ın tek ayırt edici özelliği olmadığını açıklıyor. Anormal protein birikiminin de hastalığı karakterize ettiğini ekliyor.
"[Yapay zeka] içeren FDG PET, Alzheimer hastalığını bu kadar erken tahmin edebiliyorsa, beta-amiloid plak ve tau proteini PET görüntüleme muhtemelen önemli tahmin gücünün başka bir boyutunu ekleyebilir."
Prof. Youngho Seo
