Alzheimer: kunstmatige intelligentie voorspelt het begin
Een hulpmiddel voor kunstmatige intelligentie dat wordt geleerd om hersenscans te analyseren, kan de ziekte van Alzheimer enkele jaren vóór een definitieve diagnose nauwkeurig voorspellen.
Het verantwoordelijke team suggereert dat de tool, na verdere validatie, de vroege opsporing van de ziekte van Alzheimer enorm zou kunnen helpen, waardoor behandelingen de tijd krijgen om de ziekte effectiever te vertragen.
De onderzoekers, van de University of California in San Francisco, gebruikten positron-emissietomografie (PET) -beelden van 1002 menselijke hersenen om het deep learning-algoritme te trainen.
Ze gebruikten 90 procent van de afbeeldingen om het algoritme te leren kenmerken van de ziekte van Alzheimer te herkennen en de resterende 10 procent om de prestaties ervan te verifiëren.
Vervolgens testten ze het algoritme op PET-afbeeldingen van de hersenen van nog eens 40 mensen. Op basis hiervan voorspelde het algoritme nauwkeurig welke personen een definitieve diagnose van Alzheimer zouden krijgen. Gemiddeld kwam de diagnose meer dan 6 jaar na de scans.
In een paper over de bevindingen, die de Radiologie tijdschrift heeft gepubliceerd, beschrijft het team hoe het algoritme "82 procent specificiteit bereikte bij 100 procent gevoeligheid, gemiddeld 75,8 maanden voorafgaand aan de definitieve diagnose."
"We waren erg tevreden", zegt co-auteur Dr.Jae Ho Sohn, werkzaam op de afdeling radiologie en biomedische beeldvorming van de universiteit, "met de prestaties van het algoritme."
"Het was in staat om elk afzonderlijk geval te voorspellen dat zich ontwikkelde tot de ziekte van Alzheimer", voegt hij eraan toe.
De ziekte van Alzheimer en PET-beeldvorming
De Alzheimer's Association schat dat in de Verenigde Staten ongeveer 5,7 miljoen mensen met de ziekte van Alzheimer leven en dat dit aantal waarschijnlijk zal stijgen tot bijna 14 miljoen in 2050.
Een eerdere en nauwkeurigere diagnose zou niet alleen de getroffenen ten goede komen, maar het zou in de loop van de tijd ook gezamenlijk ongeveer $ 7,9 biljoen aan medische zorg en aanverwante kosten kunnen besparen.
Naarmate de ziekte van Alzheimer vordert, verandert het de manier waarop hersencellen glucose gebruiken. Deze verandering in het glucosemetabolisme komt tot uiting in een type PET-beeldvorming dat de opname van een radioactieve vorm van glucose, genaamd 18F-fluorodeoxyglucose (FDG), volgt.
Door instructies te geven over waarnaar ze moesten zoeken, konden de wetenschappers het deep learning-algoritme trainen om de FDG PET-beelden te beoordelen op vroege tekenen van Alzheimer.
Deep learning 'leert zichzelf'
De onderzoekers leerden het algoritme met behulp van meer dan 2.109 FDG PET-afbeeldingen van 1.002 individuele hersenen. Ze gebruikten ook andere gegevens van het Alzheimer’s Disease Neuroimaging Initiative.
Het algoritme maakte gebruik van deep learning, een complexe vorm van kunstmatige intelligentie waarbij je leert door middel van voorbeelden, net zoals mensen leren.
Diep leren stelt het algoritme in staat zichzelf te 'leren' waarnaar moet worden gezocht door subtiele verschillen tussen de duizenden afbeeldingen te ontdekken.
Het algoritme was zo goed als, zo niet beter dan, menselijke experts bij het analyseren van de FDG PET-beelden.
De auteurs merken op dat "vergeleken met radiologielezers, het deep learning-model beter presteerde, met statistische significantie, bij het herkennen van patiënten die later een klinische diagnose van [de ziekte van Alzheimer] zouden krijgen."
Toekomstige ontwikkelingen
Dr.Sohn waarschuwt dat de studie klein was en dat de bevindingen nu moeten worden gevalideerd. Dit betekent dat er grotere datasets moeten worden gebruikt en dat er in de loop van de tijd meer afbeeldingen moeten worden gemaakt van mensen in verschillende klinieken en instellingen.
In de toekomst zou het algoritme een nuttige aanvulling kunnen zijn op de gereedschapskist van de radioloog en de mogelijkheden voor een vroege behandeling van de ziekte van Alzheimer kunnen verbeteren.
De onderzoekers zijn ook van plan om andere soorten patroonherkenning in het algoritme op te nemen.
Verandering in het glucosemetabolisme is niet het enige kenmerk van de ziekte van Alzheimer, legt co-auteur Youngho Seo, een professor bij de afdeling Radiologie en Biomedische Beeldvorming, uit. Abnormale opbouw van eiwitten kenmerkt ook de ziekte, voegt hij eraan toe.
"Als FDG PET met [kunstmatige intelligentie] de ziekte van Alzheimer zo vroeg kan voorspellen, kan PET-beeldvorming met bèta-amyloïde plaque en tau-eiwit mogelijk een andere dimensie van belangrijke voorspellende kracht toevoegen."
Prof. Youngho Seo
