AI Nadir Demans Formlarını Saptadı

Özet: Makine öğrenimi algoritmaları, bir hastanın nadir demans biçimlerine özgü beyin görüntüleme verilerindeki kalıpları etkili bir şekilde tanıyarak erken teşhis ve hastalık ilerlemesinin izlenmesine olanak tanır.

Kaynak: Max Planck Enstitüsü

MPI CBS ve Leipzig Üniversitesi Tıp Merkezi’ndeki araştırmacılar, MRI görüntülerinde nadir görülen bunama biçimlerini tespit etmek için yeni yapay zeka (AI) ve makine öğrenimi teknikleri kullandılar.

Araştırmacılar yaptıkları çalışmada yapay zekanın, nadir demans biçimlerine özgü hasta görüntüleme verilerindeki kalıpları otomatik olarak tanıyarak erken teşhise olanak tanıdığını gösteriyor.

Hafıza bozukluğu olan Alzheimer hastalığının yanı sıra dil, kişilik veya motor fonksiyondaki değişikliklerle karakterize olabilen diğer birçok hastalığı içerdiler.

Bay M. 40 yaşında bazı kelimelerin artık aklına gelmediğini fark etti. Bu, özellikle “flipper” veya “filler” gibi nadiren kullanılan sözcükleri etkiledi. Bununla birlikte, dili anlamak günlük profesyonel ve özel yaşamda işlev gördü.

Ayrıca artık tanıdıklarının ve meslektaşlarının isimlerini de hatırlayamıyordu. Karısı, artık onu düzgün dinlemediğini ve işten ayrılamayacağını fark etti. Onun nesi vardı?

Hastanede şakak lobunda beyin hacminde azalma tespit edildi. Ama Bay M. hangi hastalığa yakalanmıştı? Alzheimer demansı ama hafızasında sorun var mıydı? Yine de nispeten gençti – sadece yaşlı insanlar bu tür hastalıklara sahip değil miydi?

Doktorlar, Bay M.’nin kendisine gösterilen şeyleri, özellikle de hayvanları doğru bir şekilde isimlendiremediğini öğrendiler. Belirli şeyler için hangi özelliklerin tipik olduğundan emin değildi, örneğin bir zürafanın kürkü mü yoksa pulu mu var? Hafıza ile ilgili sorunlar da vardı.

MPI CBS’de araştırma yürüten ve Leipzig Tıp Merkezi Üniversitesi Bilişsel Nöroloji Kliniğinde danışman psikiyatrist olarak çalışan Matthias Schroeter şöyle açıklıyor: “Çalışmamızda hasta olan Bay M.’nin sorduğu sorular günlük klinik pratikte tipiktir. Her şeyden önce, terapinin her bir hastaya ve onların spesifik hastalığına uyarlanabilmesi için doğru tanıya ilişkin soru ortaya çıkıyor.”

“Ancak, en iyi bilinen nörodejeneratif hastalık olan ve hafıza bozukluklarıyla karakterize olan Alzheimer demansının yanı sıra, farklı bir tedavi gerektiren pek çok hastalık daha var. Bu sözde ‘yetim hastalıklar’ veya genellikle erken yaşlarda ortaya çıkabilen nadir hastalıklar, uzmanlaşmış tıp merkezleri gerektirir.”

Schroeter ve meslektaşı Leonie Lampe yaptıkları çalışmada bu hastalıkları otomatik olarak tespit etmek için yeni yapay zeka ve makine öğrenimi tekniklerini kullandılar. Araştırmacılar, Leipzig Üniversitesi Tıp Merkezi’ndeki ve Almanya’daki diğer klinik merkezlerdeki hastaların beyinlerinin yapısını analiz etmek için manyetik rezonans görüntüleme (MRI) kullandılar. Nadir bunama türlerinin bu şekilde erken teşhis edilebileceğini gösterebildiler.

Hafıza bozukluğu olan Alzheimer hastalığı olan hastalara ek olarak, dil, kişilik veya motor becerilerde bir değişiklik ile karakterize edilebilecek birçok başka hastalığı da dahil ettiler.

“Önceki çalışmalara kıyasla, sadece sağlıklı bireylere göre hastalıkları çok iyi tespit etmekle kalmadık, ayrıca diğer demans hastalıklarına kıyasla spesifik hastalığı tespit edebildik. Matthias Schroeter, bu, etkilenen her bir kişiye ve onların hastalığına uyarlanmış özel bir terapiye giden yolda belirleyici bir adımdır” diye özetliyor.

Sonunda Bay M.’ye, birincil ilerleyici afazinin semantik bir varyantı olan bir dil işlevleri hastalığı teşhisi kondu. Yoğun terapi, teşhis konulduktan sekiz yıl sonra satıcı olarak mesleğinde çalışmaya devam edebilmesi için sorunlarını telafi etmesini sağladı.

“Bu hastalıkların seyri ilerlese bile, hastalığın erken evrelerinde etkilenenler destek alarak çalışmaya ve günlük yaşamlarını yönetmeye devam edebiliyor. Bu nedenle erken teşhis ve tedavi önlemlerinin bireysel olarak uyarlanması çok önemlidir,” diyor Matthias Schroeter.

Bu AI ve bunama araştırma haberleri hakkında

Soyut

Çok merkezli volümetrik MRI görüntülemeye dayalı farklı demans sendromlarının çok sınıflı tahmini

Giriş

Demans sendromlarının teşhis edilmesi zor olabilir. Manyetik rezonans görüntüleme (MRI) kullanarak çoklu demans sendromları için bir sınıflandırıcı oluşturmayı amaçladık.

Yöntemler

Atlas tabanlı hacim ölçümü, davranış varyantı frontotemporal demans, Alzheimer hastalığı, birincil progresif afazinin üç alt tipi olan hastalar dahil olmak üzere çok merkezli Alman Frontotemporal Lobar Dejenerasyonu Araştırma Konsorsiyumundan 426 hastanın ve 51 kontrolün T1 ağırlıklı MRI verileri üzerinde gerçekleştirildi. , semantik, logopenik ve akıcı-agrammatik olmayan değişken ve atipik parkinson sendromları ilerleyici supranükleer felç ve kortikobazal sendrom. Destek vektör makinesi sınıflandırması, her hasta grubunu kontrollere (ikili sınıflandırma) ve yedi tanı grubunun tümünü bir çoklu sendrom sınıflandırıcısında (çoklu sınıf sınıflandırması) birbirine göre sınıflandırmak için kullanıldı.

Sonuçlar

İkili sınıflandırma modelleri, %50 şans seviyesi ile %71 ile %95 arasında yüksek tahmin doğruluğuna ulaşmıştır. Özelliğin önemi, hastalığa özgü atrofi paternlerini yansıtıyordu. Çoklu sendrom modeli, şans seviyesinden üç kat daha yüksek doğruluklara ulaştı ancak %100’den çok uzaktı. Çoklu sendrom modeli performansı, demans sendromlarında homojen değildi ve bölgesel olarak spesifik atrofi paternleri ile karakterize edilen sendromlarda daha iyi performans gösterdi. Hastalıklar genellikle artan şiddet ve süre ile kontrollere göre daha doğru bir şekilde sınıflandırılabilse de, hastalığa özgü şiddet ve süre pencerelerinde hastalıklar arasındaki ayrım optimaldi.

Tartışma

Sonuçlar, MR görüntüleme verilerine uygulanan otomatik yöntemlerin, demans sendromlarının tanısında hekimleri destekleyebileceğini düşündürmektedir. Alzheimer hastalığı gibi sık görülen sendromların yanı sıra özellikle yetim hastalıklar için geçerlidir.