首页 >人工智能 > 内容

IBM的机器学习模型可以检测到阿尔茨海默氏症减缓其发展

人工智能 2021-01-28 14:46:15

阿尔茨海默氏病是一种终末性神经退行性疾病,历史上已经根据观察到患者的显着记忆丧失进行了诊断,但是这种情况可能很快就会改变。IBM声称已开发出一种机器学习模型,可以帮助临床医生预测阿尔茨海默氏病的严重程度并减缓其进展。该公司在澳大利亚的分支机构IBM Research – Australia进行了一项研究,并将其发现发表在《科学报告》杂志上。

自2002年以来进行的失败的临床试验发现该病的治疗方法或改良疗法后,这项研究可能是一项突破。人们认为,这些试验的高失败率可能是因为所招募的人群处于该疾病的最新阶段,并且可能已经遭受了某种程度的脑组织损失,无法轻易修复。IBM表示,其机器学习还可以帮助研究人员找到具有轻度认知障碍的样本并获得更好的结果。

IBM援引先前的研究说,与这种疾病相关的生物标记物,一种叫做淀粉样蛋白-β的肽,在任何与记忆有关的问题出现之前就已经改变了。检查个人脊髓液中肽的浓度可提供在任何与记忆有关的问题发生几十年之前的风险指示。该公司表示,接触脊液是高度侵入性的,并且对大部分人群进行治疗是昂贵的。

IBM说:“因此,研究界正在大力开发一种侵入性较小的测试,例如血液测试,可以得出有关阿尔茨海默氏病风险的信息。” 该小组发表的论文显示了该小组如何使用其机器学习模型来识别血液中的一组蛋白质,这些蛋白质可以预测脊髓液中淀粉样蛋白β的浓度。

“我们构建的模型有一天可以帮助临床医生以高达77%的准确度预测这种风险。尽管该测试仍处于研究的早期阶段,但它可能有助于改善药物试验对象的选择:预计患有轻度认知障碍的人的脊髓液中淀粉样蛋白浓度异常,是该值的2.5倍。 IBM Research基因组学研究团队的研究员Ben Goudey在博客中写道:“更可能发展为阿尔茨海默氏病。”

IBM还声称,在针对阿尔茨海默氏病的其他多种血液检测方法正在开发中,这是第一项使用机器学习方法来鉴定血液中可预测脊髓液中生物标志物的蛋白质的研究。该研究的结果将在定于3月26日至31日在葡萄牙里斯本举行的第14届阿尔茨海默氏症和帕金森氏病国际会议上发表。

“在IBM Research,我们的使命是使用AI和技术来了解如何帮助临床医生在早期阶段更好地发现并最终预防这些疾病。无论是通过视网膜成像,血液生物标志物还是语音的微小变化,我们都预见了未来,卫生专业人员将拥有大量易于获得的数据,以更清楚地识别和跟踪这些疾病的发作和加速。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。