محققان در تشخیص علائم بیماری آلزایمر با استفاده از تست‌های تصویربرداری مغز با کیفیت بالا گام‌هایی برداشته‌اند، اما اخیراً تیمی در بیمارستان ماساچوست روشی دقیق برای تشخیص ابداع کرده‌اند که متکی بر تصاویر بالینی مغز است. این پیشرفت می‌تواند منجر به تشخیص دقیق‌تر شود.

دانشمندان برای این مطالعه از یادگیری عمیق استفاده کردند که از مقادیر زیاد داده و الگوریتم‌های پیچیده برای آموزش مدل‌ها استفاده می‌کند. در این مورد، دانشمندان مدلی را برای تشخیص بیماری آلزایمر بر اساس داده‌های تصاویر تشدید مغناطیسی مغز (MRI) جمع آوری شده از بیماران سالم و مبتلا به آلزایمر توسعه دادند.

به طور کلی، این تحقیق شامل ۱۱۱۰۳ تصویر از ۲۳۴۸ بیمار در معرض خطر ابتلا به بیماری آلزایمر و ۲۶۸۹۲ تصویر از ۸۴۵۶ نفر بدون این بیماری بود. در هر پنج مجموعه داده، این مدل خطر ابتلا به بیماری آلزایمر را با دقت ۹۰.۲ درصد تشخیص داد.

از جمله نوآوری‌های اصلی این کار، توانایی آن در تشخیص بیماری آلزایمر بدون توجه به متغیر‌های دیگر، مانند سن بود. بیماری آلزایمر معمولاً در افراد مسن‌تر اتفاق می‌افتد، بنابراین مدل‌های یادگیری عمیق اغلب در تشخیص موارد نادر زودرس مشکل دارند. این ابزار ممکن است به پزشکان در شناسایی زودتر بیمارانی که از درمان سود می‌برند کمک کند.

دانشمندان پیش از این آزمایشی مبتنی بر خون ایجاد کردند که برای پیش بینی خطر ابتلا به بیماری آلزایمر تا ۳.۵ سال قبل از تشخیص بالینی مورد استفاده قرار می‌گیرد.

منبع: ساینس دیلی