研究人员使用人工智能来探索阿尔茨海默症和其他认知障碍的细胞起源
西奈山的研究人员已经使用了新的人工智能方法来检查人类脑组织的结构和细胞特征，以帮助确定阿尔茨海默病和其他相关疾病的原因。研究小组发现，通过使用基于无偏人工智能的方法研究认知障碍的原因——与传统的淀粉样斑块等标记不同——揭示了意料之外的微观异常，可以预测认知障碍的存在。这些发现发表在杂志上Acta Neuropathologica通信9月20日。
“人工智能代表了一种全新的学习范式痴呆并将对复杂的脑部疾病，特别是阿尔茨海默病的研究产生变革性的影响，”西奈山伊坎医学院的病理学、分子和细胞医学、神经科学、人工智能和人类健康教授、医学博士、医学博士John Crary说。“深度学习方法被应用于认知障碍的预测，这是一个具有挑战性的问题，目前没有人类执行的组织病理学诊断工具存在。”
西奈山的研究小组确定并分析了大脑中两个区域的潜在结构和细胞特征，即内侧颞叶和额叶皮层。为了提高死后大脑评估的标准，以识别疾病的迹象，研究人员使用弱监督深度学习算法来检查来自700多名老年捐献者的人脑尸检组织的幻灯片图像，以预测认知障碍的存在或不存在。弱监督深度学习方法能够处理有噪声的、有限的或不精确的源，为在监督学习设置中标记大量训练数据提供信号。
这种深度学习模型被用来精确定位Luxol快速蓝染色的减少，这被用于量化髓磷脂的数量，髓磷脂是大脑神经周围的保护层。机器学习模型确定了与髓磷脂染色量减少相关的认知障碍信号;分散的:在组织中以不均匀的方式分散的;并专注于影响学习和大脑功能的白质。研究人员训练和使用的两组模型能够预测认知障碍的存在，其准确性优于随机猜测。
在他们的分析中，研究人员认为，人工智能识别出的大脑特定区域的染色强度减弱，可以作为一个可扩展的平台，来评估其他相关疾病中大脑损伤的存在。该方法为未来的研究奠定了基础，其中可能包括部署更大规模的人工智能模型，以及进一步剖析算法，以提高预测的准确性和可靠性。该团队表示，这项神经病理学研究项目的最终目标是开发更好的工具来诊断和治疗患有阿尔茨海默氏症和相关疾病的人。
“利用人工智能可以让我们看到更多的疾病相关特征，当应用到像人类大脑这样的复杂系统时，这是一种强大的方法，”伊卡恩西奈山医学院的病理学、分子和细胞医学、神经科学、人工智能和人类健康助理教授Kurt W. Farrell博士说。“在神经病理学和人工智能领域进行进一步的可解释性研究至关重要，这样深度学习的进展就可以转化为以安全和有效的方式改进阿尔茨海默病和相关疾病的诊断和治疗方法。”
主要作者Andrew McKenzie，医学博士，伊坎山西奈山精神科研究的联合总住院医师，补充说:“解读分析能够识别一些，但不是所有的信号人工智能用来预测的模型认知障碍．因此，在神经病理学领域部署和解释这些强大的深度学习模型仍存在额外的挑战。”
来自德克萨斯州圣安东尼奥的德克萨斯大学健康科学中心、英国泰恩的纽卡斯尔大学、波士顿的波士顿大学医学院和达拉斯的德克萨斯大学西南医学中心的研究人员也对这项研究做出了贡献。
进一步探索
