立陶宛考纳斯理工大学（Kaunas University of Technology，KTU）的研讨人员开发了一种依据深度学习的办法，能够从大脑图画猜测阿尔茨海默病的或许发病，精确率超越99%。该办法是在剖析138名受试者的功用性MRI图画时开发的，在精确性、敏感性和特异性方面优于从前开发的办法。研讨于近来宣布在《确诊学》（Diagnostics）杂志上。研讨于2021年6月10日宣布在《Diagnostics》（最新影响因子：5.568）杂志上

　　据世界卫生组织称，阿尔茨海默病是导致失智最常见的原因，占失智病例的70%。全世界大约有2,400万人受到影响，估计这一数字每20年将翻一番。由于社会老龄化，这种疾病在未来几年将成为贵重的公共卫生担负。

　　“世界各地的医疗专业人员都在努力提高人们对前期阿尔茨海默病确诊的知道，这为患者供给了更好的时机从医治中获益。这是尼日利亚博士生 Modupe Odusami挑选课题时最重要的问题之一，”考纳斯理工大学信息学院多媒体工程系的研讨员Rytis Maskeliūnas说，他是 Odusami 的博士生导师。Rytis Maskeliūnas 教授

　　阿尔茨海默病的开始症状之一或许是轻度认知障碍(MCI)，这是介于正常变老和失智症之间的认知才能下降阶段。Maskeliūnas 报导称，依据之前的研讨，功用性磁共振成像(fMRI)能够用来辨认大脑中与阿尔茨海默病发病相关的区域。MCI的前期一般没有显着的症状，但在相当多的情况下能够经过神经成像检测到。

　　但是，虽然理论上可行，手动剖析功用磁共振成像图画，企图辨认与阿尔茨海默病相关的改变，不只需求特定的常识，并且也很耗时——运用深度学习和其他人工智能办法能够大大缩短这一进程的时刻。发现MCI特征并不一定意味着疾病的存在，由于它也或许是其他相关疾病的症状，但它更多的是一个目标和或许的帮手，以引导医疗专业人员的评价。

　　“现代信号处理答应将图画处理托付给机器，这样能够更快、更精确地完结。当然，咱们不敢主张一个医学专业人员应该百分之百地依靠任何算法。把机器幻想成一个机器人，它能够完结最庸俗的使命，比方对数据进行排序和查找特征。在这种情况下，在计算机算法挑选了或许受影响的病例后，专家能够更密切地调查它们，终究，跟着确诊和医治更快地抵达患者手中，每个人都获益。”咱们需求充分利用数据

　　依据深度学习的模型是由立陶宛人工智能范畴的抢先研讨人员进行行之有效的协作开发的，运用闻名的细调ResNet 18(残差神经网络)的修改对138名受试者取得的fMRI图画进行分类。这些图画分为六种不同的类别：从健康的轻度认知障碍(MCI)到阿尔茨海默病。从阿尔茨海默病神经印象学方案（ADNI）fMRI数据会集挑选了51,443和27,310张图画进行练习和验证。该模型能够有效地发现给定数据会集的MCI特征，在前期MCI与AD、晚期MCI与AD、前期MCI与前期MCI的分类精确率别离到达99.99%、99.95%和99.95%。

　　“虽然这不是第一次尝试用相似的数据确诊前期阿尔茨海默病，但咱们的首要打破是算法的精确性。明显，如此高的数字并不能反映实在的现实情况，但咱们正在与医疗机构协作，以取得更多的数据。” Maskeliūnas 说。依据他的说法，该算法能够开发成软件，能够剖析从(65岁以上、有脑损伤史、高血压等)搜集的数据，并告诉医务人员与早发阿尔茨海默病相关的异常情况。

　　“咱们需求充分利用数据，” Maskeliūnas 说，“这便是为什么咱们的研讨小组重视欧洲敞开科学准则，这样任何人都能够运用咱们的常识并进一步开展它。我信任这一准则对社会进步有很大的协助。”

　　首席研讨员的首要研讨范畴是现代人工智能办法在信号处理和多模态接口上的运用，他说，上述模型能够集成到一个更杂乱的体系中，剖析几个不同的参数，也能够监测眼球运动的盯梢，面部辨认、语音剖析等。这样的技能能够用于自我查看，如果有什么引起忧虑，能够寻求专业主张。

　　“技能能够使药物更简单取得和更廉价。虽然它们永久不会（或至少不会很快）真实代替医疗专业人员，但技能能够鼓舞寻求及时的确诊和协助，” Maskeliūnas 说。创立于1922年的考纳斯理工大学

　　本大众号上的医疗信息仅作为信息资源供给与共享，不用于或依靠于任何确诊或医治意图。此信息不该代替专业确诊或医治。在做出任何医疗决议或有关特定医疗情况的辅导之前，请咨询你的医师。