Лекиите когнитивни увреждания (MCI) често предхождат развитието на болестта на Алцхаймер (AD). Въпреки възможността за ядрено магнитен резонанс (ЯМР), те са трудни за разпознаване, разграничаването им изисква подробни познания и отнема повече време.

 

Учени от Каунаският технологичен университет в Литва разработват нов компютърен алгоритъм, който може да разпознава различните стадии на леките когнитивни нарушения на снимки от ЯМР. При идентификацията се наблюдава 99% точност.


 

Лекиите когнитивни увреждания могат нормално да се набюдават с нарастване на възрастта и невинаги водят до деменция. Въпреки това, много често резултатът е болест на Алцхаймер. Поради тази причина откриването на MCI в начален стадии може да подобри лечението на засегнатите хора.

 

Докторантът Модупе Одусами води това ново и разрастващо се проучване, което по-късно е публикувано в списание MDPI.

 

Алгоритъмът, който учените използват, се основава на методa на дълбокото обучение, спомагащо разработката на изкуствения интелект.

 

Дълбокото обучение е вид машинно обучение, което може да открива различни модели от информация в даден обем от данни. Тези модели могат да бъдат твърде малки или неясни за хората. По същество представлява невронна мрежа с три или повече слоя, имитиращи процеси извършващи се от мозъка.

 

Учените модифицират вече познат такъв алгоритъм, с цел той да открива леки когнитивни нарушения - ResNet 18. След множество тестове, те го изпробват със снимки от ЯМР на 138 човека.

 

При предоставените снимки се наблюдавали шест различни етапа на състояние на пациентите, започващи от индивиди с отлично здраве, такива с леки когнитивни нарушения и накрая - пациенти засегнати от болестта на Алцхаймер.

 

При разграничаването между ранните MCI и AD алгоритъмът обелязва 99,99% точност. При късния MCI и AD, както и между MCI и ранния MCI точността е 99,95%.

 

Въпреки че това не е първият опит на учени, да въведат по-бърз и ефикасен метод за диагностика на болестта на Алцхаймер, този алгоритъм се отличава с голямата точност, която показва до момента.

 

На този етап е рано да се каже категорично, че методът е приложим на практика, заради малкия брой участници в проучването. Въпреки това учените са позитивно настроени и създават контакти с множество лечебни заведения, с цел да получат достъп до по-голям обем от медицински данни.

 

Източници:

https://www.mdpi.com/2075-4418/11/6/1071/htm

https://www.ibm.com/cloud/learn/deep-learning

https://www.kaggle.com/pytorch/resnet18