Yapay Zeka

Yapay Zeka Alzheimer Hastalığını 7 Yıl Erken Tahmin Ediyor

Özet: Araştırmacılar, hasta kayıtlarını analiz etmek için makine öğrenimini kullanarak Alzheimer Hastalığını semptomların başlangıcından yedi yıl öncesine kadar tahmin edebilen bir yapay zeka yöntemi geliştirdiler.

Çalışmaları, yapay zekanın karmaşık hastalık kalıplarını ve biyolojik etkenleri ortaya çıkarma potansiyelini ortaya koyarak, yüksek kolesterol ve osteoporozun (özellikle kadınlarda) temel belirleyiciler olduğunu vurguluyor. Ekip, UCSF’nin SPOKE gibi araçları aracılığıyla klinik verileri genetik veritabanlarıyla entegre ederek Alzheimer’la bağlantılı genleri belirledi, erken teşhis için yeni yollar sundu ve farklı sağlık koşulları ile Alzheimer riski arasındaki etkileşimi anladı.

Bu yaklaşım, Alzheimer ve diğer zorlu hastalıklar için hassas ilaçları geliştirmeyi vaat ediyor.

Ana unsurlar:

  1. Yapay Zeka Yoluyla Erken Tahmin: Klinik verilere uygulanan makine öğrenimi, Alzheimer’ın başlangıcını yedi yıl öncesine kadar %72 doğrulukla tahmin edebilir.
  2. Belirlenen Önemli Öngörücüler: Yüksek kolesterol ve osteoporoz Alzheimer hastalığının önemli belirleyicileridir; osteoporoz kadınlar için dikkate değer bir faktördür.
  3. Genetik Bilgiler Açıklandı: Araştırmacılar, UCSF’nin SPOKE’unu kullanarak Alzheimer riskini, MS4A6A geni aracılığıyla kadınlarda osteoporoz ile Alzheimer arasındaki bağlantı da dahil olmak üzere belirli genlere bağladı.

Kaynak: UCSF

UC San Francisco’daki bilim insanları, hasta kayıtlarını makine öğrenimi ile analiz ederek Alzheimer Hastalığını semptomların ortaya çıkmasından yedi yıl öncesine kadar tahmin etmenin bir yolunu buldular.

Alzheimer hastalığının tahminini en çok etkileyen koşullar yüksek kolesterol ve kadınlarda kemik zayıflaması hastalığı olan osteoporozdu.

Çalışma, klinik verilerdeki kalıpları tespit etmek için yapay zekanın (AI) kullanılmasının vaadini gösteriyor; bu, daha sonra bu riski neyin tetiklediğini belirlemek için büyük genetik veritabanlarını taramak için kullanılabilir. Araştırmacılar bunun bir gün Alzheimer ve diğer karmaşık hastalıkların tanı ve tedavisini hızlandıracağını umuyorlar.

Bu yaşlı bir kadını gösteriyor.
Sonuçta araştırmacılar, yaklaşımın lupus ve endometriozis gibi teşhis edilmesi zor diğer hastalıklarda da kullanılabileceğini umuyor. Kredi: Nörobilim Haberleri

Çalışmanın baş yazarı, Tıp Doktoru/Doktora öğrencisi Alice Tang, “Bu, yalnızca riski olabildiğince erken tanımlamak için değil, aynı zamanda arkasındaki biyolojiyi anlamak için de rutin klinik veriler üzerinde yapay zeka kullanımına yönelik ilk adımdır” dedi. UCSF’deki Sirota Laboratuvarı.

“Bu yapay zeka yaklaşımının gücü, hastalık kombinasyonlarına dayalı olarak riskin tanımlanmasından geliyor.”

Bulgular 21 Şubat 2024’te yayınlandı. Doğanın Yaşlanması.

Klinik veriler ve tahminin gücü

Bilim insanları uzun süredir hafızayı yok eden, ilerleyici ve sonuçta ölümcül bir demans türü olan Alzheimer Hastalığının biyolojik etkenlerini ve erken belirleyicilerini keşfetmeye çalışıyor. Alzheimer yaklaşık 6,7 milyon Amerikalıyı etkiliyor ve bunların neredeyse üçte ikisi kadın. Hastalığa yakalanma riski yaşla birlikte artar ve kadınlar erkeklerden daha uzun yaşama eğilimindedir; ancak bu, neden kadınların erkeklerden daha fazla hastalığa yakalandığını tam olarak açıklamıyor.

Araştırmacılar, UCSF’nin 5 milyondan fazla hastadan oluşan klinik veri tabanını kullanarak, UCSF Hafıza ve Yaşlanma Merkezi’nde Alzheimer tanısı alan hastalarda Alzheimer tanısı almayan bireylerle Alzheimer tanısı alan hastalarda birlikte ortaya çıkan durumları araştırmak için %72 tahmin gücüne sahip olduklarını tespit ettiler. hastalığı yedi yıl öncesine kadar geliştirebilirdi.

Hipertansiyon, yüksek kolesterol ve D vitamini eksikliği gibi çeşitli faktörler hem erkeklerde hem de kadınlarda belirleyiciydi. Erektil disfonksiyon ve genişlemiş prostat da erkekler için belirleyiciydi. Ancak kadınlar için osteoporoz özellikle önemli bir belirleyiciydi.

Bu, yaşlı kadınlar arasında yaygın olan kemik hastalığına sahip herkesin Alzheimer olacağı anlamına gelmiyor.

Tang şöyle konuştu: “Modelimizin Alzheimer başlangıcını tahmin etmesini sağlayan şey, hastalıkların birleşimidir.” “Osteoporozun kadınlar için belirleyici faktörlerden biri olduğuna dair bulgumuz, kemik sağlığı ile demans riski arasındaki biyolojik etkileşimi vurgulamaktadır.”

Hassas bir tıp yaklaşımı

Modelin öngörücü gücünün altında yatan biyolojiyi anlamak için araştırmacılar, kamuya açık moleküler veritabanlarına ve UCSF’de geliştirilen SPOKE (Ölçeklenebilir Hassas Tıp Odaklı Bilgi Motoru) adı verilen özel bir araca yöneldiler. nöroloji ve UCSF Weill Sinir Bilimleri Enstitüsü üyesidir.

SPOKE aslında araştırmacıların tedavi için kalıpları ve potansiyel moleküler hedefleri tanımlamak için kullanabileceği bir veri tabanı veritabanıdır. Alzheimer ile yüksek kolesterol arasındaki iyi bilinen ilişkiyi, apolipoprotein E geninin bir varyantı olan APOE4 aracılığıyla ortaya çıkardı. Ancak genetik veritabanlarıyla birleştirildiğinde, MS4A6A adı verilen daha az bilinen bir gendeki bir varyant aracılığıyla, kadınlarda osteoporoz ile Alzheimer arasında bir bağlantı da tespit edildi.

Sonuçta araştırmacılar, yaklaşımın lupus ve endometriozis gibi teşhis edilmesi zor diğer hastalıklarda da kullanılabileceğini umuyor.

Araştırmanın kıdemli yazarı Marina Sirota, PhD, “Bu, hangi hastaların Alzheimer’a yakalanma olasılığının daha yüksek olduğunu tahmin etmek ve ayrıca bunun nedenlerini anlamak için hasta verilerinden makine öğrenimi ile nasıl yararlanabileceğimizin harika bir örneğidir” dedi. UCSF Bakar Hesaplamalı Sağlık Bilimleri Enstitüsü’nde doçent.

Yazarlar: Diğer UCSF ortak yazarları arasında Katherine P. Rankin, PhD, Gabriel Cerono, MD, Silvia Miramontes, MIDS, Hunter Mills, MS, Jacquelyn Roger, PhD öğrencisi, Billy Zeng, MD, Charlotte Nelson, PhD, Karthik Soman, PhD, Sarah bulunmaktadır. Woldemariam, Yaqio Li, PhD, Albert Lee, MADS, Riley Bove, MD, Tomiko Oskotsky, MD, Zachary Miller, MD, Isabel Allen, PhD, Stephan J. Sanders, PhD ve Sergio Baranzini, PhD.

Finansman: Ulusal Yaşlanma Enstitüsü bu çalışmaya birincil desteği sağladı (hibe R01AG060393). Tıp Bilimcisi Eğitim Programı (T32GM007618) ve F30 Bursu (1F30AG079504-01) tarafından ek destek sağlandı.

Bu yapay zeka ve Alzheimer hastalığı araştırma haberi hakkında

Soyut

Alzheimer hastalığı tahmini ve cinsiyete özgü biyolojik bilgiler için elektronik sağlık kayıtlarından ve bilgi ağlarından yararlanmak

Alzheimer hastalığı (AH) başlangıç ​​riskinin belirlenmesi, geri dönüşü olmayan hastalık ilerlemesinden önce müdahaleleri kolaylaştırabilir. San Francisco’daki Kaliforniya Üniversitesi’nden alınan elektronik sağlık kayıtlarının ve ardından bilgi ağlarının (örneğin, SPOKE) (1) Alzheimer başlangıcının tahmin edilmesine ve (2) biyolojik hipotezlerin önceliklendirilmesine ve (3) cinsiyetin bağlamsallaştırılmasına olanak sağladığını gösterdik. dimorfizm.

Rastgele orman modellerini eğittik ve AD’li 749 bireyden ve 250.545 kontrolden oluşan bir kohort üzerinde AD başlangıcını, alıcı çalışma karakteristiğinin altında 0,72 (7 yıl önce) ila 0,81 (1 gün önce) arasında ortalama alanla tahmin ettik. AD başlangıcından önce tahmin gücüne sahip koşulları belirlemek için eşleşen kohort modellerinden daha da yararlandık.

Bilgi ağları, birçok önemli belirleyici ve AD arasında paylaşılan genleri vurgular (örneğin, APOE, ACTB, IL6 Ve INS). Genetik kolokalizasyon analizi AD’nin hiperlipidemi ile ilişkisini desteklemektedir. APOE lokus yanı sıra yakın bir lokasyonda osteoporoz ile daha güçlü bir kadın AD ilişkisi MS4A6A.

Bu nedenle, erken AD tahmini ve kişiselleştirilmiş biyolojik hipotezlerin tanımlanması için klinik verilerin nasıl kullanılabileceğini gösteriyoruz.

Kaynak ve İleri Okuma: https://neurosciencenews.com/ai-alzheimers-25642/

İlgili Makaleler

Başa dön tuşu