新機器學習程序為阿爾茨海默病的早期診斷帶來希望

據美國凱斯西儲大學（Case Western Reserve University）網站2017年8月16日報道，在針對阿爾茨海默病診斷方法的初始測試中，由該校科研人員開發的新機器學習程序的表現似乎優於其他方法。該程序側重在相關癥狀開始影響日常生活前對阿爾茨海默病進行診斷。

據估計，美國有超過500萬人可能患有阿爾茲海默病，隨著人口老齡化，這一數字還將繼續增長。阿爾茲海默病是一種不可逆的進行性大腦功能障礙疾病，會緩慢破壞記憶能力和思考能力。根據美國國家老齡化研究所（National Institute on Aging）和發表的研究成果表明，儘管沒有治癒方法，但一些藥物能夠在五年甚至更長時間內延緩或防止相關癥狀惡化。與此同時，早期診斷和治療是讓此類患者保持獨立的關鍵，而這正是新計算機程序的目標。

該計算機程序整合了一系列阿爾茲海默病的疾病指標，包括輕度認知障礙。該演算法會在兩個連續的階段中選擇最相關的指標來預測誰患有阿爾茲海默病。「許多論文將健康對象與患病對象進行比較，但其中存在連續體，」凱斯西儲大學的科研人員說道。「我們特意包括了輕度認知障礙，該癥狀有可能是阿爾茲海默病的先兆，但並不總是如此。」

凱斯西儲大學的科研人員在《自然》雜誌旗下期刊《科學報告》（Scientific Reports）上發布的一項研究中，使用通過阿爾茨海默症神經影像計劃（Alzheimer』s Disease Neuroimaging Initiative）收集來的149名患者數據對該演算法進行了測試。

該團隊開發的演算法名為級聯多視圖典型相關（Cascaded Multi-view Canonical Correlation，CaMCCo）演算法。該演算法整合了磁共振成象（MRI）掃描、海馬體特徵、腦部葡萄糖代謝率、蛋白質組學、基因組學、輕度認知障礙等測量參數。

凱斯西儲大學的科研人員在實驗中多次發現，整合不同的信息對於識別癌症而言十分有價值。這是該團隊首次在診斷和鑒定阿爾茲海默病時這樣做。「該演算法假設每個參數都會提供有關該疾病的不同視圖，就像每個參數都是一組不同的有色眼鏡一樣，」科研人員表示。

該程序隨後分為兩個階段以級聯方式鑒定變數。首先，演算法選擇最能區分健康對象和非健康對象的參數。其次，演算法從非健康變數中選擇最能區分患有輕度認知障礙的對象和患有阿爾茲海默病的對象的變數。「剩下的視圖經過組合後可提供最佳預測，」科研人員說道。

在針對研究對象進行阿爾茲海默病預測時，CaMCCo的表現優於使用單個指標進行預測以及在非選擇性鑒定的情況下組合使用多個指標進行預測的方法。在預測誰患有輕度認知障礙方面，該演算法的表現也優於組合使用多個指標的其他方法。

科研人員會繼續使用來自多個站點的數據對該方法進行驗證和調整。他們還計劃在觀察模式下使用該軟體：當一個分工協作的神經學家為患者編譯測試時，計算機將運行數據。如果CaMCCo被證明在預測早期阿爾茲海默病方面有用，科研人員希望能夠通過臨床試驗來進一步驗證。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！