使用人工智能神经退行性疾病鉴别

研究人员研制出了一种人工智能平台检测一系列的神经退行性疾病在人类大脑组织样本,包括阿尔茨海默病和慢性创伤性脑病,据研究伊坎在西奈山医学院,在自然医学杂志发表实验室调查。他们的发现将帮助科学家开发有针对性的生物标志物和治疗,导致更准确的诊断复杂的脑部疾病,改善病人的结果。

异常tau蛋白的积聚在大脑神经原纤维缠结是阿尔茨海默氏症的一个特征,但它也积累在其他神经退行性疾病,如慢性创伤性脑病和额外的与年龄有关的症状的。神经退行性疾病的准确诊断是具有挑战性的,需要一个训练有素的专家。

中心的研究人员计算和系统病理学在西奈山开发和使用精确的信息平台强大的机器学习方法应用于数字化显微镜幻灯片准备使用一系列的神经退行性疾病患者的组织样本。应用深度学习,这些图像被用来创建一个卷积神经网络识别的能力神经原纤维缠结具有高精确度直接从数字化图像。

“利用人工智能有巨大的潜力来改善我们检测和量化神经退行性疾病的能力,代表一个重大进步在现有劳动密集型和可再生的方法,”首席研究员约翰Crary说,医学博士,博士,病理学和神经科学教授伊坎在西奈山医学院。“最终,这个项目将导致更有效、准确的诊断神经退行性疾病。"

这是第一个框架可用于评估深度学习算法在神经病理学使用大规模图像数据。精确的信息平台允许进行数据管理,视觉探索、对象描述,深度学习算法的多用户评论和评价结果。

中心的研究人员计算和系统病理学在西奈山使用使用先进的计算机科学和数学技术加上先进的显微镜技术,计算机视觉,人工智能更精确地分类广泛的疾病。

“西乃山是最大的学术病理学国家部门和流程每年超过8000万个测试,提供研究人员访问一组广泛的数据,可以用来改善测试和诊断,最终导致更好的诊断和手术效果,”卡洛斯Cordon-Cardo作者说,医学博士,博士,部门的主席病理学西奈山医疗体系和病理学教授,遗传学和基因组科学和伊坎医学院肿瘤科学。