“AI+医疗”再创突破：深度学习准确预测和诊断阿尔茨海默病

2020 年 5 月 15 日 学术头条

【导读】随着人类社会的不断发展进步，人类寿命延长，社会老龄化现象严重，作为老年人群中常见的一种神经系统变性病，阿尔茨海默症已成为“夕阳红”群体的最大隐形杀手。近日，波士顿大学医学院的研究人员开发了一种基于人工智能的计算机算法，该算法通过整合脑部核磁共振成像、认知障碍测试以及年龄和性别数据，准确预测阿尔茨海默病的患病风险，并对是否患病做出诊断。

阿尔茨海默病又称老年痴呆，很多阿尔茨海默症患者会出现记忆障碍、失语、失用、失认、视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆表现为特征，这种疾病就像是记忆的橡皮擦，一点点擦去患者与其家人、朋友、同事之间的美好记忆。

随着全球人口老龄化的加剧，阿尔茨海默病增加的发病率负担可能会超过当前诊断和管理这一疾病的能力。 据统计，每 10 个 65 岁以上的人中就有一位阿尔茨海默氏痴呆症。

全球有数百万人继续遭受阿尔茨海默氏症的折磨，而开发有效的疾病治疗方法的尝试仍然停滞不前。目前，尚无彻底根治阿尔茨海默症的治疗方法，患者在患上这种疾病之后，只能够通过药物调节的方式来控制病情的发展。虽然近年来出现的一些药物可以帮助患者阻止病情的发展，但是这些治疗必须发病早期进行才能发挥足够有效的作用。

因此，能够对阿尔茨海默氏症等神经退行性疾病进行早期的、精确的诊断，对于有效预防阿尔茨海默氏症患者的发病、改善患者的生活将起到至关重要的作用。多年来，科学家们一直在不断探索新的方法，以期发现早期诊断病情的方法。

近年来，随着机器学习算法的不断成熟，科学家和临床医生将注意力集中在人工智能工具上，以帮助他们诊断阿尔茨海默氏症的发病风险。

近日，波士顿大学医学院的研究人员开发了一种基于人工智能的计算机算法，该算法通过整合脑部核磁共振成像、认知障碍测试以及年龄和性别数据，准确预测阿尔茨海默病的患病风险，并对是否患病做出诊断。

这研究的结果最近发表在 Brain 杂志上，文章标题为 "Development and validation of an interpretable deep learning framework for Alzheimer’s disease classification."。

多模态深度学习模型

在该研究中，研究人员从四个不同的国家同年龄组的人群中获得了阿尔茨海默病患者和认知正常者的大脑原始核磁共振成像扫描、人口统计学和临床信息。他们利用其中一组数据，开发了一种新型的深度学习模型，来预测阿尔茨海默病的风险。

研究人员使用了一种可解释的深度学习策略，从核磁共振成像、年龄、性别和微精神状态考试成绩的多模态输入中，划分出独特的阿尔茨海默病特征。该学习框架连接了一个完全卷积网络，它从局部大脑结构到多层感知器构建了高分辨率的疾病概率图，并生成了精确、直观的阿尔茨海默氏症风险的个体可视化，从而达到准确诊断的目的。

深度学习框架示意图（AD：阿尔茨海默氏症；NC = 正常认知。）

该模型使用了选取自阿尔茨海默病神经影像学倡议（ADNI）数据集（n = 417）的阿尔茨海默病和认知正常受试者的临床诊断，并在以下三个独立的队列上进行了验证：澳大利亚成像、生物标志物和生活方式旗舰研究的老龄化（AIBL）（n = 382）、弗拉明汉心脏研究（n = 102）和国家阿尔茨海默病协调中心（NACC）（n = 582）。

MLP 模型在阿尔茨海默病分类中的表现及与神经学家的模型比较

研究表明，使用多模态输入模型的性能在各数据集之间是一致的，ADNI、AIBL、Framingham 心脏研究和 NACC 数据集平均曲线下面积值分别为 0.996，0.974，0.876 和 0.954 ，使用多模态输入的模型性能也是一致的。这也证明，该模型可以准确地预测其他几组数据中的患病情况。

超越专家团队的诊断表现

该研究结果超过了一个由执业神经学家组成的多机构团队的诊断表现，而且模型识别出的高疾病风险区域与少数死亡个体的大脑尸检报告高度一致。

研究人员表示，这提供了一种临床可适应的策略，使用 MRI 这样常规可用的成像技术，为阿尔茨海默症的诊断生成微妙的神经成像特征，以及一种可推广的方法，将深度学习与人类疾病的病理生理过程联系起来。

波士顿大学医学院的医学助理教授、高级研究调查员 Vijaya Kolachalama 博士解释道："如果计算机能够利用大脑核磁共振 (MRI) 扫描等现成数据，准确地检测出阿尔茨海默病等神经退行性疾病，那么这类技术就具有广泛的应用潜力，尤其是在资源有限的环境中。我们的算法不仅可以准确地预测阿尔茨海默病的风险，而且该算法可以生成可解释和直观的可视化个体阿尔茨海默病的风险，从而达到准确的诊断目的。”

该研究团队对这项研究结果持乐观态度，并指出， 这项研究对扩大使用核磁共振成像扫描数据等神经影像学数据，对于准确检测阿尔茨海默病风险具有广泛的意义。

研究人员表示，如果我们有准确的工具来预测阿尔茨海默氏症的风险，使用现成的常规数据，那么将有可能用于临床实践。假若在临床环境中得到证实，这种方法有可能扩大神经影像技术在疾病检测和管理方面的应用范围。进一步的验证可能促使目前神经系统的改善护理和结果，随着对疾病的治疗方法的不断探索，或许可以改善对阿尔兹海默病患者的护理。

参考资料：
https://www.genengnews.com/news/deep-learning-ai-accurately-predicts-and-diagnoses-alzheimers-disease/
https://academic.oup.com/brain/advance-article/doi/10.1093/brain/awaa137/5827821