AI priemonė Alzheimerio ligos požymiams aptikti
Tyrimas, paskelbtas žurnale „Nature Communications“, yra mašininio mokymosi metodo, skirto atskirti kritinius neurodegeneracinės ligos žymenis, koncepcijos įrodymas.
Amiloido plokštelės yra baltymų fragmentų sankaupos Alzheimerio liga sergančių žmonių smegenyse, kurios naikina nervinių ląstelių jungtis, sakė Kalifornijos universiteto Daviso (JAV) tyrėjai. („Thinkstock Images“ nuotr.) Mokslininkai rado būdą, kaip išmokyti kompiuterį tiksliai nustatyti vieną iš Alzheimerio ligos požymių žmogaus smegenų audinyje, naudojant dirbtinį intelektą (AI).
Tyrimas, paskelbtas žurnale Gamtos komunikacijos , yra mašininio mokymosi metodo, skirto atskirti kritinius neurodegeneracinės ligos žymenis, koncepcijos įrodymas.
Amiloido plokštelės yra baltymų fragmentų sankaupos žmonių, sergančių Alzheimerio liga, smegenyse, kurios naikina nervinių ląstelių jungtis, teigė JAV Kalifornijos universiteto Daviso (UC Davis) mokslininkai.
Panašiai kaip tai, kaip „Facebook“ atpažįsta veidus pagal užfiksuotus vaizdus, mašininio mokymosi įrankis gali pamatyti, ar smegenų audinio mėginyje yra vienos ar kitos rūšies amiloidinės plokštelės, ir tai padaryti labai greitai.
Išvados rodo, kad mašininis mokymasis gali padidinti eksperto neuropatologo kompetenciją ir analizę.
Šis įrankis leidžia jiems analizuoti tūkstančius kartų daugiau duomenų ir užduoti naujų klausimų, kurių nebūtų įmanoma, jei duomenų apdorojimo galimybės būtų ribotos net ir labiausiai apmokytiems ekspertams.
Mums vis dar reikia patologo, sakė Brittany N Dugger, UC Davis docentė ir pagrindinė tyrimo autorė.
Tai įrankis, kaip ir klaviatūra, skirta rašyti. Kadangi klaviatūros padėjo rašyti darbo eigas, skaitmeninė patologija, susieta su mašininiu mokymusi, gali padėti neuropatologijos darbo eigai, sakė Duggeris.
Ji bendradarbiavo su Kalifornijos universiteto San Fransisko (UCSF) docentu Michaelu J Keizeriu, kad nustatytų, ar jie galėtų išmokyti kompiuterį automatizuoti sudėtingą įvairių tipų mažų amiloido plokštelių nustatymo ir analizės procesą didelėse skrodžiamų žmonių skiltelėse. smegenų audinys.
Keizeris ir jo komanda, remdamiesi tūkstančiais žmonių pažymėtų pavyzdžių, sukūrė konvoliucinį nervų tinklą (CNN)-kompiuterinę programą, skirtą atpažinti modelius.
Komanda sukūrė metodą, kuris leido greitai komentuoti arba pažymėti dešimtis tūkstančių vaizdų iš kolekcijos, kurioje yra pusė milijono artimų audinių vaizdų iš 43 sveikų ir sergančių smegenų mėginių.
Kaip ir kompiuterinė pažinčių paslauga, leidžianti vartotojams braukti kairėn arba dešinėn, kad pažymėtų, kad kažkieno nuotrauka yra karšta ar ne, jie sukūrė žiniatinklio platformą, kuri leido „Dugger“ vienu metu pažvelgti į labai priartintus potencialių plokštelių regionus ir greitai pažymėti ką ji ten pamatė.
Šis skaitmeninės patologijos įrankis, kurį mokslininkai pavadino „blob“ arba ne, leido „Dugger“ komentuoti daugiau nei 70 000 dėmių arba apnašų kandidatų maždaug 2 000 vaizdų per valandą greičiu.
UCSF komanda naudojo šią dešimtis tūkstančių pažymėtų pavyzdinių vaizdų duomenų bazę, kad išmokytų savo CNN mašinų mokymosi algoritmą, kad nustatytų įvairių tipų smegenų pokyčius, pastebėtus Alzheimerio liga.
mažas juodas vabalas kaip klaidos namuose
Tai apima vadinamųjų branduolių ir difuzinių plokštelių diskriminaciją ir kraujagyslių anomalijų nustatymą.
Tyrėjai parodė, kad jų algoritmas gali apdoroti visą smegenų skilčių skaidrę 98,7 procento tikslumu, o greitį riboja tik jų naudojamų kompiuterinių procesorių skaičius.