Предполагаемая стоимость ухода за миллионами людей с болезнью Альцгеймера (БА) во всем мире через несколько лет превысит 1 триллион долларов. Помимо огромного бремени для здоровья, пациенты и лица, осуществляющие уход за ними, испытывают финансовые, физические и психологические трудности. Теория повторной неэффективности лекарств при БА состоит в том, что пациенты, подвергающиеся экспериментальной терапии, отбираются слишком поздно в процессе заболевания. Поэтому важно выявлять пациентов с высоким риском прогрессирования БА на ранних стадиях заболевания.
Чтобы помочь выявить людей, которым могут помочь ранние вмешательства, исследователи из Бостонского университета разработали структуру глубокого обучения, которая может стратифицировать людей с легкими когнитивными нарушениями (MCI) на основе их риска развития БА.
«Количественная оценка риска прогрессирования болезни Альцгеймера (БА) может помочь выявить людей, которым могут помочь ранние вмешательства», — говорит автор корреспонденции Виджая Б. Колачалама, доктор философии, FAHA, доцент медицины в Школе медицины Чобанана и Аведисяна Бостонского университета.
Команда изучила данные Инициативы нейровизуализации болезни Альцгеймера (ADNI) и Национального координационного центра болезни Альцгеймера (NACC), разделив людей с легкими когнитивными нарушениями (MCI) на группы в зависимости от содержания амилоида в их мозговой жидкости? уровни. Они изучили модели объема серого вещества в этих группах, чтобы определить группы риска, подтвердив свои выводы экспертными оценками. Они разработали модели, сочетающие нейронные сети с анализом выживаемости, чтобы предсказать прогресс от MCI до болезни Альцгеймера. Затем они связали предсказания своей модели с биологическими данными, подтвердив диагноз болезни Альцгеймера посмертными данными.
«Используя достижения в интерпретируемом машинном обучении, мы продемонстрировали, что области мозга, имеющие отношение к БА, такие как медиальная височная доля, являются одними из наиболее важных областей для прогнозирования риска прогрессирования, тем самым убедившись, что наши результаты согласуются с установленными медицинскими знаниями», — добавил Колачалама.
По словам исследователей, эти результаты представляют собой инновации на стыке неврологии и информатики, подчеркивая соответствие модели биологическим данным с использованием регулярно собираемой информации, такой как структурная МРТ, для количественной оценки риска прогрессирования от MCI до AD.
«Мы использовали глубокие нейронные сети, основанные на выживании, в сочетании с минимально обработанной структурной МРТ, широко доступной неинвазивной техникой. Кроме того, применяя современные методы глубокого обучения в сочетании с Шаплей Адобавочный падежпlanations (SHAP), метод, основанный на теории кооперативных игр и используемый для повышения прозрачности и интерпретируемости моделей машинного обучения, мы смогли определить области, особенно важные для прогнозирования повышенного риска прогрессирования».
Эти результаты появляются в Интернете в журнале iScience.
Финансирование этого исследования было поддержано грантами от Благотворительного фонда Карен Тоффлер, Американской кардиологической ассоциации (20SFRN35460031) и Национальных институтов здравоохранения (RF1-AG062109, R01-HL159620, R21-CA253498, R43-DK134273, RF1-AG072654, U19-AG068753 и P30-AG013846). Мы признательны за грантовую поддержку Бостонского университета, CTSI 1UL1TR001430, для нашего исследования REDCap.
2023-08-04 16:36:59
1691462777
#Количественная #оценка #риска #прогрессирования #может #помочь #выявить #людей #которым #могут #помочь #ранние #вмешательства #-
