Τεχνολογία

ΑΙ: Αντικατοπτρίζει τον κίνδυνο γνωστικής έκπτωσης και Αλτσχάιμερ

ΑΙ: Αντικατοπτρίζει τον κίνδυνο γνωστικής έκπτωσης και Αλτσχάιμερ
ΑΙ: Καταγράφει με ακρίβεια τη γνωστική έκπτωση που συνδέεται με νευροεκφυλιστικές ασθένειες όπως το Αλτσχάιμερ πολύ νωρίτερα από προηγούμενες μεθόδους.

Ο ανθρώπινος εγκέφαλος έχει πολλές ενδείξεις για τη μακροπρόθεσμη υγεία ενός ατόμου—στην πραγματικότητα, η έρευνα δείχνει ότι η ηλικία του εγκεφάλου ενός ατόμου είναι πιο χρήσιμος και ακριβής προγνωστικός παράγοντας για τους κινδύνους για την υγεία και τις μελλοντικές ασθένειες από την ημερομηνία γέννησής του. Τώρα, ένα νέο μοντέλο τεχνητής νοημοσύνης (AI) που αναλύει σαρώσεις εγκεφάλου με μαγνητική τομογραφία (MRI) που αναπτύχθηκαν από ερευνητές του USC θα μπορούσε να χρησιμοποιηθεί για να καταγράψει με ακρίβεια τη γνωστική έκπτωση που συνδέεται με νευροεκφυλιστικές ασθένειες όπως το Αλτσχάιμερ πολύ νωρίτερα από προηγούμενες μεθόδους.

Η γήρανση του εγκεφάλου θεωρείται αξιόπιστος βιοδείκτης για τον κίνδυνο νευροεκφυλιστικής νόσου. Αυτός ο κίνδυνος αυξάνεται όταν ο εγκέφαλος ενός ατόμου εμφανίζει χαρακτηριστικά που φαίνονται «παλαιότερα» από το αναμενόμενο για κάποιον της ηλικίας αυτού του ατόμου. Αξιοποιώντας την ικανότητα βαθιάς μάθησης του νέου μοντέλου AI της ομάδας για την ανάλυση των σαρώσεων, οι ερευνητές μπορούν να ανιχνεύσουν λεπτούς δείκτες ανατομίας του εγκεφάλου που κατά τα άλλα είναι πολύ δύσκολο να ανιχνευθούν και που συσχετίζονται με τη γνωστική έκπτωση. Τα ευρήματά τους, που δημοσιεύθηκαν την Τρίτη 2 Ιανουαρίου, στο περιοδικό Proceedings of the National Academy of Sciences, προσφέρουν μια άνευ προηγουμένου ματιά στην ανθρώπινη γνώση.

«Η μελέτη μας αξιοποιεί τη δύναμη της βαθιάς μάθησης για να εντοπίσει περιοχές του εγκεφάλου που γερνούν με τρόπους που αντικατοπτρίζουν μια γνωστική έκπτωση που μπορεί να οδηγήσει σε Αλτσχάιμερ», δήλωσε ο Andrei Irimia, επίκουρος καθηγητής γεροντολογίας, βιοϊατρικής μηχανικής, ποσοτικής και υπολογιστικής βιολογίας και νευροεπιστήμης. στο USC Leonard Davis School of Gerontology και αντίστοιχος συγγραφέας της μελέτης.

Μια πιο ακριβής εναλλακτική λύση σε σχέση με τις υπάρχουσες μεθόδους

Ο Irimia και η ομάδα του συγκέντρωσαν τις μαγνητικές τομογραφίες εγκεφάλου 4.681 γνωστικά φυσιολογικών συμμετεχόντων, μερικοί από τους οποίους συνέχισαν να εμφανίζουν γνωστική έκπτωση ή νόσο Αλτσχάιμερ αργότερα στη ζωή τους. Χρησιμοποιώντας αυτά τα δεδομένα, δημιούργησαν ένα μοντέλο AI που ονομάζεται νευρωνικό δίκτυο για να προβλέψουν τις ηλικίες των συμμετεχόντων από τις μαγνητικές τομογραφίες του εγκεφάλου τους. Πρώτον, οι ερευνητές εκπαίδευσαν το δίκτυο να παράγει λεπτομερείς ανατομικούς χάρτες εγκεφάλου που αποκαλύπτουν συγκεκριμένα μοτίβα γήρανσης.

Στη συνέχεια συνέκριναν τις αντιληπτές (βιολογικές) ηλικίες του εγκεφάλου με τις πραγματικές (χρονολογικές) ηλικίες των συμμετεχόντων στη μελέτη. Όσο μεγαλύτερη είναι η διαφορά μεταξύ των δύο, τόσο χειρότερα είναι τα γνωστικά σκορ των συμμετεχόντων, που αντικατοπτρίζουν τον κίνδυνο Αλτσχάιμερ. Τα αποτελέσματα δείχνουν ότι το μοντέλο της ομάδας μπορεί να προβλέψει τις πραγματικές (χρονολογικές) ηλικίες των γνωστικά φυσιολογικών συμμετεχόντων με μέσο απόλυτο σφάλμα 2,3 ετών, το οποίο είναι περίπου ένα έτος πιο ακριβές από ένα υπάρχον, βραβευμένο μοντέλο για την εκτίμηση της ηλικίας του εγκεφάλου που χρησιμοποίησε διαφορετική αρχιτεκτονική νευρωνικών δικτύων.

«Η ερμηνεύσιμη τεχνητή νοημοσύνη μπορεί να γίνει ένα ισχυρό εργαλείο για την αξιολόγηση του κινδύνου για Αλτσχάιμερ και άλλες νευρογνωστικές ασθένειες», δήλωσε ο Ιρίμια, η οποία κατέχει επίσης θέσεις καθηγητών στο USC Dornsife College of Letters, Arts and Sciences. «Όσο νωρίτερα μπορούμε να εντοπίσουμε άτομα υψηλού κινδύνου για τη νόσο του Αλτσχάιμερ, τόσο νωρίτερα οι κλινικοί γιατροί μπορούν να παρέμβουν με επιλογές θεραπείας, παρακολούθηση και διαχείριση ασθενειών. Αυτό που κάνει την τεχνητή νοημοσύνη ιδιαίτερα ισχυρή είναι η ικανότητά της να αντιλαμβάνεται τα λεπτά και πολύπλοκα χαρακτηριστικά της γήρανσης με άλλες μεθόδους δεν μπορεί και αυτό είναι το κλειδί για τον εντοπισμό του κινδύνου ενός ατόμου πολλά χρόνια πριν εμφανίσει την πάθηση».