Исследователи из Калифорнийского университета в Лос-Анджелесе разработали инструмент искусственного интеллекта, который может использовать электронные медицинские записи для выявления пациентов с невыявленной болезнью Альцгеймера, устраняя критический пробел в лечении болезни Альцгеймера: значительную заниженную диагностику, особенно среди недостаточно представленных сообществ.
изучать появляется в журнале npj Digital Medicine.
Различия в диагностике болезни Альцгеймера и деменции среди определенных групп населения являются давней проблемой. Афроамериканцы почти в два раза чаще страдают нейродегенеративным заболеванием по сравнению с белыми неиспаноязычными людьми, но лишь в 1,34 раза чаще получают диагноз. Точно так же у латиноамериканцев и латиноамериканцев вероятность заболеть этим заболеванием в 1,5 раза выше, но вероятность постановки диагноза только в 1,18 раза выше.
«Болезнь Альцгеймера является шестой по значимости причиной смерти в Соединенных Штатах и поражает каждого девятого американца в возрасте 65 лет и старше», — сказал доктор Тимоти Чанг, автор исследования из Департамента неврологии здравоохранения Калифорнийского университета в Лос-Анджелесе. «Разрыв между теми, кто на самом деле болен этим заболеванием, и теми, кому поставлен диагноз, значителен, и он более значителен в недостаточно представленных сообществах».
Предыдущие исследования использовали модели машинного обучения, чтобы попытаться предсказать болезнь Альцгеймера с помощью электронных медицинских записей, но они были разработаны с использованием традиционных подходов, которые могут не учитывать определенные диагностические ошибки.
В новой модели, разработанной командой Калифорнийского университета в Лос-Анджелесе, использовался другой подход, известный как позитивное немаркированное обучение с полуконтролем, который был специально разработан для обеспечения справедливости при сохранении высокой точности.
Электронные медицинские карты более чем 97 000 пациентов UCLA Health, включая пациентов с подтвержденным диагнозом болезни Альцгеймера и неподтвержденными случаями.
Модель достигла уровня чувствительности от 77 до 81% в группах неиспаноязычных белых, неиспаноязычных афроамериканцев, латиноамериканцев/латиноамериканцев и восточноазиатских групп по сравнению с чувствительностью от 39 до 53% в традиционных контролируемых моделях.
Исследователи Калифорнийского университета в Лос-Анджелесе опирались на предыдущие модели искусственного интеллекта, которые использовались для прогнозирования различных заболеваний, включая болезнь Альцгеймера, но имели пробелы в снижении предвзятостей и различий. Инструменты Калифорнийского университета в Лос-Анджелесе проанализировали закономерности в медицинских записях, такие как диагноз, возраст и другие клинические факторы. Также были идентифицированы ключевые прогностические особенности болезни Альцгеймера, включая как неврологические показатели, такие как потеря памяти, так и неожиданные закономерности, такие как пролежни и учащенное сердцебиение, которые могут сигнализировать о недиагностированных случаях.
В отличие от традиционных подходов, которые требуют подтверждения диагноза для всех данных обучения, модель Калифорнийского университета в Лос-Анджелесе учится как на подтвержденных случаях, так и на пациентах с неизвестным статусом болезни Альцгеймера. Исследователи включили меры справедливости на протяжении всей разработки модели, используя критерии, специфичные для конкретной популяции, чтобы уменьшить диагностические различия.
Инструмент был проверен с использованием нескольких подходов, включая генетические данные. Пациенты, у которых прогнозировалось наличие недиагностированной болезни Альцгеймера, показали значительно более высокие показатели полигенного риска и генетических маркеров этого заболевания, известных как количество аллелей APOE ε4, по сравнению с теми, у кого прогнозировалось отсутствие болезни Альцгеймера. Чанг сказал, что этот инструмент может помочь врачам выявить пациентов с высоким риском, которым может быть полезна дальнейшая оценка или скрининг. Раннее выявление имеет решающее значение, поскольку становятся доступными новые методы лечения болезни Альцгеймера, а изменение образа жизни может замедлить прогрессирование заболевания.
Исследовательская группа планирует перспективно проверить модель в партнерских системах здравоохранения, чтобы оценить ее обобщаемость и клиническую полезность перед потенциальным внедрением в повседневную медицинскую помощь.
«Обеспечивая справедливые прогнозы для всех групп населения, наша модель может помочь исправить значительную заниженную диагностику в недостаточно представленных группах населения», — сказал Чанг. «У него есть потенциал устранить различия в диагностике болезни Альцгеймера».
2025-12-10 22:34:00
1765407214
#Исследователи #разрабатывают #инструмент #искусственного #интеллекта #для #выявления #недиагностированных #случаев #болезни #Альцгеймера #сокращения #различий #Alzheimers #Diagnosis #Care
Читайте также