Kunstmatige intelligentie kan de ziekte van Alzheimer 6 jaar voor diagnose voorspellen

• AI kan de beeldvormingstechnieken van de hersenen verbeteren om de ziekte van Alzheimer jaren vóór de diagnose te voorspellen.
• Convolutional Neural Network, ontwikkeld in deze studie, was in staat om hersenscans te identificeren (met 100% gevoeligheid) die leiden tot de ziekte van Alzheimer.

Meer dan 5 miljoen mensen in de Verenigde Staten hebben de ziekte van Alzheimer en dit aantal zal naar verwachting in 2050 de 14 miljoen bereiken. Elke 65 seconden ontwikkelt iemand in de VS de ziekte van Alzheimer, waardoor het de 6e belangrijkste doodsoorzaak in het land is.

Meestal wordt de ziekte gediagnosticeerd wanneer alle symptomen zich hebben gemanifesteerd, en tegen die tijd wordt het verlies van hersencellen zo aanzienlijk dat het te laat is om in te grijpen. Geen enkele therapie kan de progressie van de ziekte van Alzheimer stoppen of omkeren, maar we kunnen het in eerdere stadia detecteren om de voortgang te vertragen en de symptomen te verbeteren.

Nu hebben onderzoekers van de Universiteit van Californië beschreven hoe kunstmatige intelligentie de beeldvormingstechnieken van de hersenen kan verbeteren om de ziekte van Alzheimer jaren vóór de diagnose te voorspellen. De bevindingen kunnen miljoenen patiënten en zorgverleners helpen.

Deep Learning analyseert het hersenmetabolisme

Eerdere studies toonden aan dat de ziekte van Alzheimer het hersenmetabolisme verandert:kenmerkend wordt een vermindering van het hersenglucosemetabolisme waargenomen. Het herkennen van deze subtiele veranderingen kan echter een uiterst uitdagende taak zijn.

In deze studie hebben onderzoekers een deep learning-methode toegepast om veranderingen in het hersenmetabolisme te detecteren die voorspellend zijn voor de ziekte van Alzheimer. Ze trainden de methode op duizenden afbeeldingen die zijn verkregen met een functionele beeldvormingstechniek voor de nucleaire geneeskunde, Positron Emission Tomography (PET) genaamd.

Ze hadden toegang tot gegevens van een groot multi-site project ADNI (afkorting van Alzheimer's Disease Neuroimaging Initiative) dat zich richt op het voorkomen en behandelen van deze ziekte.

Referentie:Radiologie | doi:10.1148/radiol.2018180958 | RSNA

De dataset bevatte meer dan 2.100 PET-hersenscans van meer dan 1.000 patiënten. Ze gebruikten 90% van deze dataset om hun deep learning-methode te trainen en de resterende 10% werd gebruikt om het te testen.

Voorbeelden van PET-scans | Hersenen van een 76-jarige man (ingezoomd) met Alzheimer | Met dank aan onderzoekers 

Vervolgens testten ze de methode op een nieuwe, onafhankelijke groep van 40 beelden van 40 patiënten die het algoritme nooit had onderzocht. Het was in staat om Alzheimer 6 jaar vóór (gemiddeld) de definitieve diagnose te detecteren, op alle 40 PET-scans.

Onderzoekers trainden hun convolutionele neurale netwerk met behulp van NVIDIA TITAN Xp GPU's met CUDA Deep Neural Network-bibliotheek. Het voorspelde elke afzonderlijke scan (met 100% gevoeligheid) die leidde tot de ziekte van Alzheimer.

Wat nu?

Hoewel de resultaten zeer indrukwekkend zijn, waarschuwden onderzoekers dat hun validatieset niet groot genoeg was om het algoritme volledig betrouwbaar te maken. Ze hebben meer gegevens nodig om deze AI-tool volwassener te maken.

Op dit moment kan de tool worden gebruikt als aanvulling op de banen van radiologen, waaronder een breed scala aan beeldvormende en biochemische tests. Met grootschalige externe validatie op multi-institutionele gegevens en modelkalibratie kan de tool worden geïntegreerd in de klinische workflow om artsen te helpen bij vroege voorspellingen van de ziekte.

Lees:Wetenschappers ontdekken en repareren genetische risicofactor voor de ziekte van Alzheimer

Het team is van plan hun neurale netwerken verder te trainen om patronen te herkennen die verband houden met de abnormale accumulatie van eiwitklonten, bèta-amyloïde en tau-eiwitten en andere markers die specifiek zijn voor de ziekte van Alzheimer.