Litvanski algoritam 99,99% točno predviđa Alzheimerovu bolest 

Prema Svjetskoj zdravstvenoj organizaciji, Alzheimerova bolest je najčešći uzrok demencije i od nje je oboljelo približno 24 milijuna ljudi. Zbog starenja stanovništva širom svijeta, očekuje se da će se taj broj udvostručavati svakih 20 godina. 

Metode umjetne inteligencije

Jedan od mogućih prvih znakova Alzheimerove bolesti je blago kognitivno oštećenje (MCI), što je faza između očekivanog kognitivnog pada normalnog starenja i demencije. Na temelju prethodnih istraživanja, funkcionalna magnetska rezonancija (fMRI) može se koristiti za identifikaciju regija u mozgu koje se mogu povezati s pojavom Alzheimerove bolesti. Najraniji stadiji MCI-a često nemaju gotovo nikakve jasne simptome, ali se u dosta slučajeva mogu otkriti neuroslikama.

Model temeljen na dubokom učenju koristio je modificiranu ResNet 18 konvolucijsku neuronsku mrežu duboku 18 slojeva
Model temeljen na dubokom učenju koristio je modificiranu ResNet 18 konvolucijsku neuronsku mrežu duboku 18 slojeva

Ručna analiza fMRI slika koje pokušavaju identificirati promjene povezane s Alzheimerovom bolesti dugo traje i zahtijeva specifično znanje. No, primjena dubokog učenja i drugih metoda umjetne inteligencije može značajno ubrzati taj proces. Dakako, značajke MCI-ja ne moraju nužno značiti prisutnost Alzheimerove bolesti, jer može biti i simptom drugih srodnih bolesti, ali je dobar pokazatelj.

Modificirana konvolucijska neuronska mreža

“Zamislite stroj kao robota sposobnog obaviti najzahtjevniji zadatak razvrstavanja podataka i traženja značajki. U ovom scenariju, nakon što računalni algoritam odabere potencijalno zahvaćene slučajeve, stručnjak ih može pomnije proučiti, a na kraju će svi imati koristi jer će pacijent prije dobiti dijagnozu i započeti s liječenjem”, kaže profesor Rytis Maskeliūnas s Informatičkog fakulteta Sveučilišta u Kaunasu.

Profesor Rytis Maskeliūnas s Informatičkog fakulteta Sveučilišta u Kaunasu
Profesor Rytis Maskeliūnas s Informatičkog fakulteta Sveučilišta u Kaunasu

Za klasifikaciju funkcionalnih slika MRI, model temeljen na dubokom učenju koristio je modificiranu ResNet 18 konvolucijsku neuronsku mrežu duboku 18 slojeva. Slike su bile podijeljene u šest različitih kategorija: od zdravih preko spektra blagih kognitivnih oštećenja (MCI) do Alzheimerove bolesti. Pokazalo se kako je model bio učinkovit u skoro 99,99% slučajeva.

Integracija u složenije sustave

Iako ovo nije bio prvi pokušaj dijagnosticiranja ranog početka Alzheimerove bolesti iz sličnih podataka, glavni uspjeh je točnost algoritma. Zbog toga bi se ovaj algoritam mogao razviti u softver koji bi analizirao prikupljene podatke ranjivih skupina – starijih od 65 godina, onih s poviješću ozljeda mozga, visokim krvnim tlakom itd. – i obavještavao liječnike o anomalijama vezanim uz rani početak Alzheimerove bolesti.

Algoritam bi se mogao razviti u softver koji bi analizirao prikupljene podatke ranjivih skupina
Algoritam bi se mogao razviti u softver koji bi analizirao prikupljene podatke ranjivih skupina

Ovaj model može integrirati i u složeniji sustav i analizirati nekoliko različitih parametara poput praćenja pokreta očiju, čitanja izraza lica, analize glasa… Takva bi se tehnologija tada mogla koristiti za samoprovjeru i sugerirati posjetu stručnjaku.

“Tehnologije mogu učiniti medicinu pristupačnijom i jeftinijom. One ne mogu zamijeniti liječnike ali mogu potaknuti traženje pravovremene dijagnoze i pomoći”, zaključuje Maskeliūnas.