Η τεχνητή νοημοσύνη ξεπερνά τις κλινικές δοκιμές στην πρόβλεψη της εξέλιξης της νόσου Αλτσχάιμερ.
![Το εργαλείο AI προβλέπει την εξέλιξη του Αλτσχάιμερ με μεγαλύτερη ακρίβεια από τα τεστ Το εργαλείο AI προβλέπει την εξέλιξη του Αλτσχάιμερ με μεγαλύτερη ακρίβεια από τα τεστ](http://witbeast.com/wp-content/uploads/2024/07/image-28-1024x418.png)
Οι επιστήμονες του Κέιμπριτζ δημιούργησαν ένα εργαλείο τεχνητής νοημοσύνης (AI) που μπορεί να προβλέψει εάν τα άτομα με πρώιμα σημάδια άνοιας θα παραμείνουν σταθερά ή θα αναπτύξουν νόσο Αλτσχάιμερ. Αυτό το εργαλείο είναι ακριβές σε τέσσερις από τις πέντε περιπτώσεις.
Αυτή η νέα προσέγγιση θα μπορούσε να μειώσει την ανάγκη για δαπανηρές και επεμβατικές εξετάσεις, βελτιώνοντας τα έγκαιρα αποτελέσματα της θεραπείας. Οι πρώιμες παρεμβάσεις, όπως αλλαγές στον τρόπο ζωής ή νέα φάρμακα, είναι πιο αποτελεσματικές σε αυτό το στάδιο.
Η άνοια είναι ένα σημαντικό παγκόσμιο πρόβλημα υγείας, επηρεάζει πάνω από 55 εκατομμύρια ανθρώπους παγκοσμίως και κοστίζει περίπου 820 δισεκατομμύρια δολάρια ετησίως. Ο αριθμός των κρουσμάτων αναμένεται να τριπλασιαστεί σχεδόν τα επόμενα 50 χρόνια.
Η νόσος Αλτσχάιμερ είναι η κύρια αιτία της άνοιας, υπεύθυνη για το 60-80% των περιπτώσεων. Η έγκαιρη ανίχνευση είναι ζωτικής σημασίας για την αποτελεσματική θεραπεία, αλλά οι τρέχουσες μέθοδοι συχνά περιλαμβάνουν επεμβατικές ή δαπανηρές εξετάσεις όπως τομογραφία εκπομπής ποζιτρονίων (PET) ή οσφυονωτικές παρακεντήσεις, οι οποίες δεν είναι πάντα διαθέσιμες.
Λόγω αυτών των περιορισμών, έως και το ένα τρίτο των ασθενών μπορεί να διαγνωστούν εσφαλμένα ή να διαγνωστούν πολύ αργά για αποτελεσματική θεραπεία.
Μια ομάδα από το Τμήμα Ψυχολογίας του Πανεπιστημίου του Κέιμπριτζ ανέπτυξε ένα μοντέλο μηχανικής μάθησης για να προβλέψει πόσο γρήγορα άτομα με ήπια προβλήματα μνήμης θα εξελιχθούν σε Αλτσχάιμερ. Η έρευνά τους, που δημοσιεύτηκε στο περιοδικό eClinicalMedicine, δείχνει ότι αυτό το μοντέλο είναι πιο ακριβές από τα τρέχοντα κλινικά διαγνωστικά εργαλεία.
Οι ερευνητές κατασκεύασαν το μοντέλο τους χρησιμοποιώντας χαμηλού κόστους, μη επεμβατικά δεδομένα, συμπεριλαμβανομένων γνωστικών τεστ και μαγνητικής τομογραφίας που δείχνουν ατροφία του εγκεφάλου, από περισσότερα από 400 άτομα σε μια ερευνητική ομάδα των ΗΠΑ.
Στη συνέχεια δοκίμασαν το μοντέλο με δεδομένα πραγματικού κόσμου από 600 ακόμη συμμετέχοντες στις ΗΠΑ και 900 άτομα από κλινικές μνήμης στο Ηνωμένο Βασίλειο και τη Σιγκαπούρη.
Ο αλγόριθμος θα μπορούσε να κάνει διαφοροποίηση μεταξύ των ατόμων με σταθερή ήπια γνωστική εξασθένηση και εκείνων που θα αναπτύξουν Αλτσχάιμερ μέσα σε τρία χρόνια. Αναγνώρισε σωστά τα άτομα που θα ανέπτυξαν Αλτσχάιμερ στο 82% των περιπτώσεων και εκείνα που δεν θα εμφάνιζαν στο 81% των περιπτώσεων χρησιμοποιώντας μόνο γνωστικά τεστ και μαγνητικές τομογραφίες.
Αυτός ο αλγόριθμος ήταν περίπου τρεις φορές πιο ακριβής από τις τρέχουσες μεθόδους, μειώνοντας τις πιθανότητες λανθασμένης διάγνωσης.
Αυτό το μοντέλο επέτρεψε επίσης στους ερευνητές να ταξινομήσουν τα άτομα με Αλτσχάιμερ σε τρεις ομάδες: σε αυτούς των οποίων τα συμπτώματα θα έμεναν σταθερά (περίπου 50%), σε αυτούς που θα προχωρούσαν αργά (περίπου 35%) και σε αυτούς που θα προόδευαν γρήγορα (το υπόλοιπο 15%).
Αυτές οι προβλέψεις επικυρώθηκαν με δεδομένα παρακολούθησης για έξι χρόνια. Αυτή η έγκαιρη αναγνώριση είναι ζωτικής σημασίας για την εφαρμογή νέων θεραπειών και την στενή παρακολούθηση των ασθενών με ταχεία εξέλιξη.
Για το 50% των οποίων τα συμπτώματα παραμένουν σταθερά, το μοντέλο προτείνει ότι τα προβλήματά τους μπορεί να οφείλονται σε άλλες αιτίες, όπως άγχος ή κατάθλιψη, και θα μπορούσαν να ακολουθήσουν διαφορετικές κλινικές οδούς.
Η καθηγήτρια Ζωή Κούρτζη από το Πανεπιστήμιο του Κέιμπριτζ είπε: «Έχουμε αναπτύξει ένα εργαλείο που χρησιμοποιεί μόνο γνωστικά τεστ και μαγνητικές τομογραφίες, αλλά είναι πιο ευαίσθητο από τις τρέχουσες μεθόδους στην πρόβλεψη εάν κάποιος θα προχωρήσει σε Αλτσχάιμερ και πόσο γρήγορα».
«Αυτό μπορεί να βελτιώσει σημαντικά τη φροντίδα των ασθενών, δείχνοντας ποιος χρειάζεται στενή παρακολούθηση και ανακουφίζοντας το άγχος για όσους προβλέπεται να παραμείνουν σταθεροί. Μειώνει επίσης την ανάγκη για περιττές δοκιμές».
Ο αλγόριθμος επικυρώθηκε με δεδομένα από σχεδόν 900 άτομα από κλινικές μνήμης στο Ηνωμένο Βασίλειο και τη Σιγκαπούρη, δείχνοντας ότι θα μπορούσε να χρησιμοποιηθεί σε πραγματικές κλινικές συνθήκες.
Ο Δρ. Ben Underwood, Επίτιμος Σύμβουλος Ψυχίατρος στο CPFT και επίκουρος καθηγητής στο Πανεπιστήμιο του Κέιμπριτζ, τόνισε τη σημασία της μείωσης της αβεβαιότητας σχετικά με τα προβλήματα μνήμης σε ηλικιωμένους ενήλικες, που μπορεί να προκαλέσει ανησυχία και απογοήτευση.
Η καθηγήτρια Κουρτζή τόνισε την ανάγκη για καλύτερα εργαλεία για την αντιμετώπιση της άνοιας με έγκαιρη αναγνώριση και παρέμβαση. Η ομάδα στοχεύει να επεκτείνει το μοντέλο της σε άλλες μορφές άνοιας και διαφορετικούς τύπους δεδομένων, όπως δείκτες εξετάσεων αίματος.
«Στόχος μας είναι να κλιμακώσουμε το εργαλείο τεχνητής νοημοσύνης για να βοηθήσουμε τους κλινικούς ιατρούς να αναθέσουν τους σωστούς ασθενείς στα σωστά διαγνωστικά και θεραπευτικά μονοπάτια τη σωστή στιγμή», δήλωσε ο καθηγητής Κούρτζι. «Αυτό μπορεί να επιταχύνει την ανακάλυψη νέων φαρμάκων για τη θεραπεία της άνοιας».
Πηγή πληροφοριών:
Ισχυρός και ερμηνεύσιμος δείκτης καθοδηγούμενου από AI για έγκαιρη πρόβλεψη άνοιας σε πραγματικές κλινικές συνθήκες. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725
Discussion about this post