IBM将用机器学习诊断阿尔茨海默症 助力脊髓液生物标记物的检测

3月12日消息,据美国IT网站ZDNet报道,IBM已将机器学习(ML)引入诊断领域,希望有一天这些技术可以对早发性阿尔茨海默症进行稳定而有效的诊断。

日前,这家科技巨头表示机器学习和人工智能可以被用来取代对身体侵入性很强并且昂贵的疾病检测。IBM澳大利亚团队的这项研究成果已在《Scientific Reports》 (科学报告) 上发表。

IBM通过机器学习来诊断阿尔茨海默症

阿尔茨海默症目前无法治愈,只能通过药物治疗缓解。该疾病的症状包括记忆力减退、记忆混乱以及难以完成曾经熟悉的日常工作。早期诊断疾病可以帮助患者及其家人做好准备,也会非常利于医生尽早给出相关的治疗建议。

然而,现在确诊该疾病的方式不仅昂贵而且极具侵入性,包括在脊髓液中寻找特定生物标记物,这需要对腰椎穿刺,会导致疼痛和出血。

虽然没有治愈方法,但是在不需要进行侵入性检查的情况下,开发早期检测疾病的方法可以证明是新一波临床试验的催化剂。

根据IBM的说法,机器学习将有助于缩小早期检测和临床试验之间的差距。

这种技术的使用取决于开发一种测试β-淀粉样蛋白的方法,β-淀粉样蛋白是一种在脊髓液中发现的肽。研究表明,脊髓液中的β-淀粉样蛋白浓度在阿尔兹海默症症状出现之前就会开始变化。

IBM的研究描述了一种利用机器学习来预测脊髓液中β-淀粉样蛋白浓度的方法,该方法基于能够识别血液中蛋白质组的算法。

IBM通过机器学习来诊断阿尔茨海默症

该论文记录了基于机器学习的模型,这些模型可能在某一天能够通过简单的血液检测就能够判断出有轻微认知障碍症状的患者患上阿尔茨海默症的风险。研究小组认为,机器学习模型预测未来患病风险的准确率可高达77%。

通过这种机器学习开发的模型或将为新形式的阿尔茨海默症检测提供框架,从而代替腰椎穿刺,加快诊断速度并大大降低现有诊断方式的成本和侵入性。

目前,该模型仍处于早期阶段,在机器学习准备进入认知疾病的诊断领域之前还有很长的路要走。不过,IBM团队表示,为该研究开发的机器学习算法也可以扩展到其他基于脊髓液生物标记物的检测,这不仅适用于阿尔茨海默症,还适用于其他疾病。

随着人类平均寿命的逐渐变长,阿尔茨海默症的影响在全球迅速扩大。该病主要表现为渐进性记忆障碍、人格改变及语言障碍等神经精神症状,严重影响患者社交及日常生活质量。因此,进行早期诊断和干预对于延缓阿尔茨海默症的发生、发展,减轻家庭、社会医疗负担具有重要意义。

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,请第一时间联系我们修改或删除,多谢。