本文为转化医学网原创，转载请注明出处
作者：Daisy
导读：目前我们对阿尔茨海默症（AD)尚无有效的治疗方法，但可以通过早诊断、早介入来改善患者的生存状况。最近，来自立陶宛考纳斯大学的研究人员，基于先前早期检测AD的方法，开发出一种新的基于深度学习和人工智能的算法，将图像处理交给机器，通过功能磁共振成像（fMRI）识别大脑中与阿尔茨海默病发病相关的区域，甚至一些早期没有明显症状的患者，预测阿尔茨海默病的准确度接近%。
阿尔茨海默病（AD）是一种起病隐匿的进行性发展的神经系统退行性疾病。临床上以记忆障碍、失语、失用、失认、视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆表现为特征，病因迄今未明。65岁以前发病者，称早老性痴呆；65岁以后发病者称老年性痴呆，它影响着世界上大部分老龄化人口。因此，早期诊断这种疾病以建立有效护理和改善患者生活的必要性再怎么强调也不为过。
立陶宛考纳斯大学的研究人员开发了一种基于深度学习的方法，可以通过大脑图像预测阿尔茨海默病的可能发病，准确率超过99%。在《Diagnostics》上发表了一篇题为“AnalysisofFeaturesofAlzheimer’sDisease:DetectionofEarlyStagefromFunctionalBrainChangesinMagneticResonanceImagesUsingaFinetunedResNet18Network”的文章，该方法是在分析名受试者的功能性MRI图像时开发的，在准确性、敏感性和特异性方面优于先前开发的。
据世界卫生组织称，阿尔茨海默病是痴呆症最常见的病因，占痴呆症病例的70%。全世界约有万人受到影响，预计这一数字将每20年翻一番。由于社会老龄化，该疾病在未来几年将成为代价高昂的公共卫生负担。
“全世界的医学专业人员都试图提高人们对早期阿尔茨海默病诊断的认识，这为患者提供了更好的从治疗中获益的机会。这也是尼日利亚博士生ModupeOdusami选择课题时最重要的议题之一。”考纳斯科技大学信息工程系多媒体工程系的研究员RytisMaskeliūnas曾这样说，他也是Odusami的博士生导师。
把图像处理委托给机器
分析阿尔茨海默病（AD）的特征，根据最新的技术，创建更有效和准确的工具。目前，有几种方法可用于早期检测AD，如神经成像技术，行为和情绪分析，通常称为认知方法，以及认知测试。行为分析方法有助于检测对日常生活活动中常见问题的不规则反应，其中一些方法涉及在患者家中安装传感器。这种策略的一个主要缺点是它有很多限制，因为在患者的家中安装传感器需要得到他们的许可。
阿尔茨海默病的早期症状之一可能是轻度认知损害（MCI），这是正常衰老预期认知下降和痴呆之间的阶段。根据Maskeliūnas的说法，基于先前的研究，功能磁共振成像（fMRI）可以用来识别大脑中与阿尔茨海默病发病相关的区域。MCI的早期通常没有明显的症状，但在相当多的情况下，可以通过神经影像学检测到。
然而，尽管理论上可能，手动分析功能磁共振成像图像，试图识别与阿尔茨海默氏症相关的变化，不仅需要特定的知识，而且耗时。应用深度学习和其他人工智能方法可以大大加快这一速度。发现MCI特征并不一定意味着存在疾病，因为它也可能是其他相关疾病的症状，但它更像是一个指标和可能的助手，可以引导医疗专业人员进行评估。
“现代信号处理允许将图像处理委托给机器，机器可以更快、更准确地完成图像处理。当然，我们不敢建议医学专业人员百分之百地依赖任何算法。把一台机器想象成一个机器人，它能够完成最繁琐的任务，对数据进行排序并搜索特征。在这种情况下，在计算机算法选择了可能受影响的病例后，专家可以更仔细地研究这些病例，最终，随着诊断和治疗更快地到达患者手中，每个人都会受益。”Maskeliūnas说，他是该模型研究团队的负责人。
我们需要充分利用数据
基于深度学习的模型是由立陶宛人工智能领域的研究人员，进行的富有成果的合作开发的，该模型使用了著名的ResNet18（残差神经网络）对名受试者获得的功能性MRI图像进行分类。这些图像分为六类：从健康到轻度认知障碍（MCI）到老年痴呆症。研究总共张图像，为了进行评估，将数据集分为训练数据集和验证数据集，其分割率分别为70%（共张图像）和30%（共张图像）。
该研究的数据来自ADNI（阿尔茨海默病神经影像学倡议）数据库(