ابزار هوش مصنوعی برای تشخیص علائم بیماری آلزایمر

این مطالعه که در مجله Nature Communications منتشر شد ، اثبات مفهومی برای رویکرد یادگیری ماشین برای تشخیص نشانگرهای مهم بیماری عصبی است.

به گفته محققان دانشگاه کالیفرنیا ، دیویس در ایالات متحده ، پلاک های آمیلوئید توده ای از قطعات پروتئینی در مغز افراد مبتلا به بیماری آلزایمر هستند که اتصالات سلول های عصبی را از بین می برند. (عکس توسط Thinkstock Images)

محققان راهی برای آموزش رایانه برای تشخیص دقیق یکی از علائم بیماری آلزایمر در بافت مغز انسان با استفاده از هوش مصنوعی (AI) پیدا کرده اند.

این مطالعه ، در مجله منتشر شده است ارتباطات طبیعت ، اثبات مفهومی برای رویکرد یادگیری ماشین برای تشخیص نشانگرهای مهم بیماری عصبی است.

به گفته محققان دانشگاه کالیفرنیا ، دیویس (UC Davis) ، پلاک های آمیلوئید توده ای از قطعات پروتئینی در مغز افراد مبتلا به بیماری آلزایمر هستند که اتصالات سلول های عصبی را از بین می برند.

درست مانند روشی که فیس بوک بر اساس تصاویر گرفته شده چهره ها را تشخیص می دهد ، ابزار یادگیری ماشینی می تواند ببیند که آیا نمونه ای از بافت مغز دارای نوعی پلاک آمیلوئید یا نوع دیگر است یا خیر ، و این کار را خیلی سریع انجام می دهد.

یافته ها نشان می دهد که یادگیری ماشین می تواند تخصص و تجزیه و تحلیل یک متخصص مغز و اعصاب متخصص را افزایش دهد.

این ابزار به آنها این امکان را می دهد تا هزاران بار داده های بیشتری را تجزیه و تحلیل کرده و س questionsالات جدیدی بپرسند که با محدودیت قابلیت پردازش داده ها حتی بیشترین آموزش دیده متخصصان انسانی امکان پذیر نیست.

بریتانی ن داگر ، استادیار در UC Davis و نویسنده اصلی این مطالعه گفت: ما هنوز به آسیب شناس نیاز داریم.

این یک ابزار است ، مانند صفحه کلید برای نوشتن. داگر گفت: از آنجا که صفحه کلیدها در نوشتن گردش کار کمک کرده اند ، آسیب شناسی دیجیتال همراه با یادگیری ماشین می تواند به گردش کار آسیب شناسی عصبی کمک کند.

او با مایکل جی کیزر ، استادیار دانشگاه کالیفرنیا ، سانفرانسیسکو (UCSF) همکاری کرد تا تعیین کند آیا آنها می توانند به کامپیوتر آموزش دهند تا فرآیند پر زحمت شناسایی و تجزیه و تحلیل پلاک های کوچک آمیلوئید از انواع مختلف را در برش های بزرگ انسان کالبدشکافی شده انجام دهد. بافت مغز

کیزر و تیمش یک شبکه عصبی متحرک (CNN) را طراحی کردند ، یک برنامه کامپیوتری که برای تشخیص الگوها بر اساس هزاران نمونه برچسب گذاری شده توسط انسان طراحی شده است.

این تیم روشی را ابداع کرد که به آن اجازه می داد دهها هزار تصویر را از مجموعه نیم میلیون تصویر نزدیک از بافت 43 نمونه مغز سالم و بیمار به سرعت حاشیه نویسی یا برچسب گذاری کند.

آنها مانند یک سرویس دوستیابی کامپیوتری که به کاربران امکان می دهد انگشت خود را به چپ یا راست بچسبانند تا عکس کسی را داغ یا نه برچسب بزنند ، آنها یک پلت فرم وب ایجاد کردند که به داگر اجازه می داد تا به طور همزمان در مناطق بسیار بزرگنمایی شده پلاک های بالقوه نگاه کند و به سرعت برچسب گذاری کند. آنچه او آنجا دید

این ابزار آسیب شناسی دیجیتالی - که محققان آن را blob یا نه نامیدند - به Dugger اجازه داد تا بیش از 70،000 حباب یا نامزد پلاک گذاری را با سرعت حدود 2000 تصویر در ساعت یادداشت کند.

تیم UCSF از این پایگاه داده از ده ها هزار تصویر نمونه برچسب زده برای آموزش الگوریتم یادگیری ماشینی CNN خود برای شناسایی انواع مختلف تغییرات مغزی که در بیماری آلزایمر مشاهده می شود ، استفاده کرد.

عنکبوت قهوه ای کوچک با نوار سفید در پشت

این شامل تمایز بین پلاک های به اصطلاح هسته دار و منتشر و شناسایی ناهنجاری در عروق خونی است.

محققان نشان دادند که الگوریتم آنها می تواند یک اسلاید کامل مغز را با دقت 98.7 درصد پردازش کند و سرعت آن تنها با تعداد پردازنده های رایانه ای که استفاده می کنند محدود شده است.

مقاله فوق صرفاً جهت اطلاع است و نمی تواند جایگزین توصیه های پزشکی حرفه ای شود. همیشه در صورت داشتن هرگونه سوال در مورد سلامتی یا بیماری خود ، از پزشک یا سایر متخصصان واجد شرایط بهداشتی راهنمایی بخواهید.