Tekoäly ylittää kliiniset testit Alzheimerin taudin etenemisen ennustamisessa.
Cambridgen tutkijat ovat luoneet tekoälytyökalun, joka voi ennustaa, pysyvätkö dementian varhaisia merkkejä omaavat ihmiset vakaana vai kehittyvätkö he Alzheimerin taudin. Tämä työkalu on tarkka neljässä viidestä tapauksesta.
Tämä uusi lähestymistapa voisi vähentää kalliiden ja invasiivisten testien tarvetta ja parantaa varhaisia hoitotuloksia. Varhaiset toimenpiteet, kuten elämäntapojen muutokset tai uudet lääkkeet, ovat tehokkaimpia tässä vaiheessa.
Dementia on merkittävä globaali terveysongelma, joka vaikuttaa yli 55 miljoonaan ihmiseen maailmanlaajuisesti ja maksaa noin 820 miljardia dollaria vuosittain. Tapausten määrän odotetaan lähes kolminkertaistuvan seuraavan 50 vuoden aikana.
Alzheimerin tauti on pääasiallinen dementian aiheuttaja, ja se aiheuttaa 60–80 % tapauksista. Varhainen havaitseminen on ratkaisevan tärkeää tehokkaan hoidon kannalta, mutta nykyiset menetelmät sisältävät usein invasiivisia tai kalliita testejä, kuten positroniemissiotomografia (PET) tai lannepunktiot, joita ei aina ole saatavilla.
Näistä rajoituksista johtuen jopa kolmasosa potilaista voi saada väärän diagnoosin tai diagnoosin liian myöhään tehokkaan hoidon saamiseksi.
Cambridgen yliopiston psykologian laitoksen tiimi on kehittänyt koneoppimismallin ennustamaan, kuinka nopeasti henkilöt, joilla on lieviä muistiongelmia, etenevät Alzheimerin tautiin. Heidän tutkimuksensa, joka julkaistiin eClinicalMedicine-lehdessä, osoittaa, että tämä malli on tarkempi kuin nykyiset kliiniset diagnostiset työkalut.
Tutkijat rakensivat mallinsa käyttämällä halpoja, ei-invasiivisia tietoja, mukaan lukien kognitiiviset testit ja MRI-skannaukset, jotka osoittavat aivojen surkastumista, yli 400 henkilöltä yhdysvaltalaisessa tutkimusryhmässä.
Sitten he testasivat mallia todellisilla tiedoilla, jotka saatiin 600:lta muulta osallistujalta Yhdysvalloista ja 900:lta muistiklinikoilta Isossa-Britanniassa ja Singaporessa.
Algoritmi voisi erottaa ihmiset, joilla on vakaa lievä kognitiivinen vajaatoiminta, ja ne, jotka sairastuisivat Alzheimerin tautiin kolmen vuoden sisällä. Se tunnisti oikein henkilöt, joille kehittyisi Alzheimerin tauti 82 prosentissa tapauksista ja jotka eivät 81 prosentissa tapauksista, käyttämällä vain kognitiivisia testejä ja MRI-skannauksia.
Tämä algoritmi oli noin kolme kertaa tarkempi kuin nykyiset menetelmät, mikä vähensi virhediagnoosin mahdollisuuksia.
Tämä malli antoi tutkijoille myös mahdollisuuden luokitella Alzheimerin tautia sairastavat ihmiset kolmeen ryhmään: ne, joiden oireet pysyisivät vakaina (noin 50 %), ne, jotka etenivät hitaasti (noin 35 %), ja ne, jotka etenivät nopeasti (loput 15 %).
Nämä ennusteet vahvistettiin kuuden vuoden seurantatiedoilla. Tämä varhainen tunnistaminen on ratkaisevan tärkeää uusien hoitojen soveltamisessa ja nopeasti etenevien potilaiden tiiviissä seurannassa.
Niistä 50 prosentista, joiden oireet pysyvät vakaina, malli ehdottaa, että heidän ongelmansa voivat johtua muista syistä, kuten ahdistuksesta tai masennuksesta, ja he voivat seurata erilaisia kliinisiä reittejä.
Professori Zoe Kourtzi Cambridgen yliopistosta sanoi: “Olemme kehittäneet työkalun, joka käyttää vain kognitiivisia testejä ja MRI-skannauksia, mutta joka on nykyisiä menetelmiä herkempi ennustamaan, eteneekö joku Alzheimerin tautiin ja kuinka nopeasti.”
“Tämä voi parantaa merkittävästi potilaiden hoitoa ja näyttää, kuka tarvitsee tarkkaa seurantaa ja lievittää ahdistusta niiltä, joiden ennustetaan pysyvän vakaina. Se myös vähentää tarpeettomien testien tarvetta.”
Algoritmi validoitiin lähes 900 henkilön tiedoilla Ison-Britannian ja Singaporen muistiklinikoista, mikä osoitti, että sitä voidaan käyttää todellisissa kliinisissä olosuhteissa.
Tri Ben Underwood, CPFT:n kunniakonsultti psykiatri ja Cambridgen yliopiston apulaisprofessori, korosti, kuinka tärkeää on vähentää epävarmuutta iäkkäiden aikuisten muistiongelmista, jotka voivat aiheuttaa huolta ja turhautumista.
Professori Kourtzi korosti, että tarvitaan parempia välineitä dementian torjumiseksi tunnistamalla ja puuttumalla varhain. Tiimi pyrkii laajentamaan malliaan muihin dementian muotoihin ja erityyppisiin tietoihin, kuten verikoemarkkereihin.
“Tavoitteenamme on laajentaa tekoälytyökaluamme auttaaksemme kliinikkoja osoittamaan oikeat potilaat oikeille diagnostisille ja hoitoreiteille oikeaan aikaan”, sanoi professori Kourtzi. “Tämä voi nopeuttaa uusien lääkkeiden löytämistä dementian hoitoon.”
Tietolähde:
Vankka ja tulkittavissa oleva tekoälyohjattu markkeri dementian varhaiseen ennustamiseen todellisissa kliinisissä olosuhteissa. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725
