Przełom w AI: Precyzyjna diagnoza typów demencji dzięki analizie podstawowych informacji klinicznych

Czas czytania: 2 minut
Przez Juanita Lopez
- w
AI badające skany mózgu na cyfrowym interfejsie.

WarsawNaukowcy z Uniwersytetu Bostońskiego opracowali narzędzie AI zdolne do pewnego diagnozowania dziesięciu różnych typów demencji, w tym demencji naczyniowej, demencji z ciałami Lewy'ego i demencji czołowo-skroniowej. Narzędzie to potrafi również radzić sobie w przypadkach, gdy te demencje się nakładają. Wykorzystuje ono zaawansowany system uczenia maszynowego, aby zapewnić precyzyjne diagnozy poprzez analizę powszechnie zbieranych danych klinicznych. Dane te obejmują między innymi:

  • Informacje demograficzne
  • Historia medyczna pacjenta oraz jego rodziny
  • Stosowanie leków
  • Wyniki badań neurologicznych i neuropsychologicznych
  • Dane z neuroobrazowania, takie jak skany MRI

Każdego roku lekarze diagnozują dziesięć milionów nowych przypadków demencji. Wyzwanie stanowi odróżnienie różnych typów, ponieważ objawy często wyglądają podobnie. To narzędzie AI może uprościć i ułatwić dokładniejsze postawienie diagnozy.

Badania opublikowano w Nature Medicine. Dr Vijaya B. Kolachalama, główna autorka i profesor nadzwyczajna na Uniwersytecie Bostońskim, podkreśla znaczenie stawiania diagnoz przy użyciu rutynowych danych klinicznych. Narzędzie to może stać się powszechnym rozwiązaniem diagnostycznym, co jest kluczowe, ponieważ dostęp do wysokiej jakości testów bywa utrudniony. Takie trudności występują zarówno na obszarach wiejskich i w krajach rozwijających się, jak i w centrach opieki zdrowotnej w miastach.

Zespół badawczy przeprowadził szkolenie swojego zaawansowanego systemu uczenia maszynowego, wykorzystując dane od ponad 50,000 osób pochodzących z dziewięciu globalnych zbiorów danych. Model ten uzyskał świetne wyniki, osiągając wynik 0.96 w precyzyjnym przewidywaniu rezultatów. Dla porównania, wynik 0.5 odpowiada losowemu zgadywaniu, podczas gdy wynik 1 oznacza całkowitą dokładność.

Badacze zbadali wpływ narzędzia AI na dokładność diagnoz stawianych przez neurologów i neuroradiologów. Odkryli, że narzędzie AI zwiększyło dokładność neurologów o 26% w diagnozowaniu wszystkich dziesięciu rodzajów demencji. W jednym z testów 12 neurologów diagnozowało po 100 losowo wybranych przypadków i przyznawało każdemu z nich ocenę pewności od 0 do 100. Te oceny były następnie uśredniane z prawdopodobieństwami generowanymi przez narzędzie AI, co prowadziło do powstania zintegrowanego wyniku neurologów korzystających z AI.

Dr. Kolachalama stwierdza, że na świecie brakuje specjalistów neurologów, a wzrastająca liczba pacjentów stwarza trudności dla systemów opieki zdrowotnej. Uważa, że sztuczna inteligencja może pomóc, wczesne wykrywając zaburzenia i wspierając lekarzy w lepszym zarządzaniu pacjentami. Dzięki temu można zapobiec pogarszaniu się stanów zdrowotnych.

Narzędzie oparte na sztucznej inteligencji wykazuje duży potencjał, ponieważ prognozuje się, że liczba przypadków demencji podwoi się w ciągu najbliższych 20 lat. Może oferować dokładne diagnozy, co mogłoby znacząco poprawić terapie związane z demencją.

Kilka organizacji wsparło ten projekt poprzez udzielenie grantów. Wśród nich znajdują się Karen Toffler Charitable Trust, Collaboratories Sztucznej Inteligencji i Technologii Narodowego Instytutu ds. Starzenia oraz Gates Ventures.

W miarę jak liczba przypadków demencji szybko rośnie, wykorzystanie narzędzi AI w codziennej opiece medycznej może przynieść lepsze efekty dla pacjentów na całym świecie. Takie narzędzie może być szczególnie przydatne w miejscach bez zaawansowanych obiektów diagnostycznych. Istnieje znaczna możliwość poprawy opieki nad osobami z demencją.

Wykorzystanie sztucznej inteligencji w diagnostyce różnych rodzajów demencji może zrewolucjonizować podejście do tych chorób mózgu.

Badanie jest publikowane tutaj:

http://dx.doi.org/10.1038/s41591-024-03118-z

i jego oficjalne cytowanie - w tym autorzy i czasopismo - to

Chonghua Xue, Sahana S. Kowshik, Diala Lteif, Shreyas Puducheri, Varuna H. Jasodanand, Olivia T. Zhou, Anika S. Walia, Osman B. Guney, J. Diana Zhang, Serena T. Pham, Artem Kaliaev, V. Carlota Andreu-Arasa, Brigid C. Dwyer, Chad W. Farris, Honglin Hao, Sachin Kedar, Asim Z. Mian, Daniel L. Murman, Sarah A. O’Shea, Aaron B. Paul, Saurabh Rohatgi, Marie-Helene Saint-Hilaire, Emmett A. Sartor, Bindu N. Setty, Juan E. Small, Arun Swaminathan, Olga Taraschenko, Jing Yuan, Yan Zhou, Shuhan Zhu, Cody Karjadi, Ting Fang Alvin Ang, Sarah A. Bargal, Bryan A. Plummer, Kathleen L. Poston, Meysam Ahangaran, Rhoda Au, Vijaya B. Kolachalama. AI-based differential diagnosis of dementia etiologies on multimodal data. Nature Medicine, 2024; DOI: 10.1038/s41591-024-03118-z
Sztuczna Inteligencja: Najnowsze wiadomości

Udostępnij ten artykuł

Komentarze (0)

Opublikuj komentarz