Araştırmacılar, Alzheimer hastalığının ve diğer bilişsel bozuklukların hücresel kökenlerini araştırmak için yapay zekayı kullanıyor

Mount Sinai araştırmacıları, Alzheimer hastalığının ve diğer ilgili bozuklukların nedenlerini belirlemeye yardımcı olmak için insan beyin dokularının yapısal ve hücresel özelliklerini incelemek için yeni yapay zeka yöntemleri kullandılar. Araştırma ekibi, amiloid plaklar gibi geleneksel belirteçlerin aksine, tarafsız bir AI tabanlı yöntem kullanarak bilişsel bozulmanın nedenlerini incelemenin, bilişsel bozulmanın varlığını tahmin edebilen beklenmedik mikroskobik anormallikleri ortaya çıkardığını buldu. Bu bulgular dergide yayınlandı. Acta Nöropatolojik İletişim 20 Eylül’de.

Ortak yazar John Crary, MD, Ph.D., Patoloji, Moleküler ve Hücre Profesörü, “AI, bunama araştırmak için tamamen yeni bir paradigmayı temsil ediyor ve karmaşık beyin hastalıkları, özellikle Alzheimer hastalığı üzerine araştırmalar üzerinde dönüştürücü bir etkiye sahip olacak” dedi. – Mount Sinai’deki Icahn Tıp Okulu’nda Tıp, Sinirbilim ve Yapay Zeka ve İnsan Sağlığına Dayalı. “Derin öğrenme yaklaşımı, insan tarafından gerçekleştirilen hiçbir histopatolojik tanı aracının bulunmadığı zorlu bir problem olan bilişsel bozulmanın tahminine uygulandı.”

Mount Sinai ekibi, beyindeki iki bölgenin, medial temporal lob ve frontal korteksin temel mimarisini ve hücresel özelliklerini tanımladı ve analiz etti. Hastalık belirtilerini belirlemek için ölüm sonrası beyin değerlendirmesi standardını iyileştirmek amacıyla araştırmacılar, 700’den fazla yaşlı donörden oluşan bir gruptan insan beyni otopsi dokularının slayt görüntülerini incelemek için zayıf denetimli bir derin öğrenme algoritması kullandılar. bilişsel bozulmadan. Zayıf denetlenen derin öğrenme yaklaşımı, denetimli bir öğrenme ortamında büyük miktarda eğitim verisini etiketlemek için sinyaller sağlamak için gürültülü, sınırlı veya kesin olmayan kaynakları işleyebilir.

Bu derin öğrenme modeli, beyin sinirlerinin etrafındaki koruyucu tabaka olan miyelin miktarını ölçmek için kullanılan Luxol hızlı mavi boyamasındaki bir azalmayı saptamak için kullanıldı. Makine öğrenimi modelleri, miyelin boyanmasının azalan miktarlarıyla ilişkili bilişsel bozulma için bir sinyal tanımladı; doku boyunca üniform olmayan bir desende dağılmış; ve öğrenmeyi ve beyin fonksiyonlarını etkileyen beyaz maddeye odaklandı. Araştırmacılar tarafından eğitilen ve kullanılan iki model seti, rastgele tahminden daha iyi bir doğrulukla bilişsel bozulmanın varlığını tahmin edebildi.

Araştırmacılar, analizlerinde, AI tarafından tanımlanan beynin belirli alanlarındaki azalan boyama yoğunluğunun, diğer ilişkili hastalıklarda beyin bozukluğunun varlığını değerlendirmek için ölçeklenebilir bir platform olarak hizmet edebileceğine inanıyorlar. Metodoloji, daha büyük ölçekli yapay zeka modellerinin konuşlandırılmasının yanı sıra tahmine dayalı doğruluk ve güvenilirliklerini artırmak için algoritmaların daha fazla incelenmesini içerebilecek gelecekteki çalışmalar için zemin hazırlar. Ekip, nihayetinde, bu nöropatolojik araştırma programının amacının, Alzheimer hastalığı ve ilgili bozukluklardan muzdarip kişilerin teşhis ve tedavisi için daha iyi araçlar geliştirmek olduğunu söyledi.

Yardımcı yazar Kurt W. Farrell, Patoloji, Moleküler Yardımcı Doçent Doktor Kurt W. Farrell, “Yapay zekadan yararlanmak, katlanarak daha fazla hastalıkla ilgili özelliklere bakmamızı sağlıyor, insan beyni gibi karmaşık bir sisteme uygulandığında güçlü bir yaklaşım” dedi. ve Icahn Mount Sinai’de Hücre Tabanlı Tıp, Sinirbilim ve Yapay Zeka ve İnsan Sağlığı. “Nöropatoloji ve yapay zeka alanlarında daha fazla yorumlanabilirlik araştırması yapmak çok önemlidir, böylece derin öğrenmedeki ilerlemeler, Alzheimer hastalığı ve ilgili bozukluklar için teşhis ve tedavi yaklaşımlarını güvenli ve etkili bir şekilde geliştirmek için tercüme edilebilir.”

Baş yazar Andrew McKenzie, MD, Ph.D., Icahn Mount Sinai’deki Psikiyatri Departmanında Araştırma Baş Asistanı, şunları ekledi: bilişsel bozulma hakkında tahminler yapmak için kullanılan modeller. Sonuç olarak, bu güçlü derin öğrenme modellerini nöropatoloji alanında yerleştirmek ve yorumlamak için ek zorluklar devam ediyor.”

San Antonio, Teksas’taki Texas Üniversitesi Sağlık Bilimleri Merkezi, Tyne, Birleşik Krallık’taki Newcastle Üniversitesi, Boston’daki Boston Üniversitesi Tıp Fakültesi ve Dallas’taki UT Southwestern Tıp Merkezi’nden araştırmacılar da bu araştırmaya katkıda bulundu.