JAMA子刊:阿尔茨海默病早筛大突破科学家开发AI模型

 U乐国际网址     |      2022-09-01 21:25:14

  JAMA子刊:阿尔茨海默病早筛大突破科学家开发AI模型奇点糕先私心给大家墙裂推荐一部有关AI的犯罪题材美剧,《疑犯追踪》,首播至今正好十年。

  剧情大致就是,一个超级AI能够通过调用每个角落的图像、音频等监测数据并进行整合,预测出某时某刻某地某人的行动,从而用“上帝视角”指引主角团以及国家字母机构将犯罪扼杀于摇篮。令人动容的不仅是主角团之间的温情等,还有超级AI的内心成长历程,一点也不虐。

  当然,人工智能是个很宽泛的概念,除了在影视剧、文学作品中展示炫酷的一面,人工智能现在已经广泛应用于工程、科学领域,甚至临床应用中,突破我们人类的思维、能力困境。

  近日,一篇发表在JAMA Network Open期刊上的文章发现,运用好人工智能不仅可以用来预测犯罪动机、猜透我们的小心思,还能简单、精准地预测认知功能障碍的老大难——阿尔茨海默病(AD)的患病风险。

  来自英国埃克塞特大学的David J. Llewellyn和他的同事们,基于15307人的数据开发了新的AI模型。仅需患者的记忆力、独立性、认知测试结果等6种常规病理报告,就能以91%的准确率预测未来2年内的AD风险,ROC曲线下方的面积(AUC)高达0.89,这突破了AI模型用于AD临床诊断的局限;同时还能降低82%的误诊率[1]。

  AD发病机制极其复杂,可从记忆减退发展至丧失身体机能,对家庭和社会造成极重的负担。而目前的AD药物还无法完全治愈患者,只能延缓疾病进展、维持生活功能等。所以,AD的早发现早治疗显得尤为重要。

  但已有的临床筛查模型多用于评估初诊后中、长期的AD患病风险。比如Miia Kivipelto 等人开发的CAIDE模型[2]、Deborah E. Barnes等人开发的BDSI模型[3],分别能够预测未来20年、6年内的AD风险,当预测短时期内的AD风险时,还是差些事。

  已有研究开发用于预测AD风险的AI模型[4-8],但这些AI模型大多需要高级神经影像学、基因检测、脑脊液生物标志物等非常规病理报告作为分析数据,在临床诊断上具有局限性。

  于是,Llewellyn和他的同事们试图开发一种新的AI模型,填补当前AD诊断上的缺口。

  他们先是从美国国家阿尔茨海默病协调中心(NACC)获取了在2005-2015年期间进行初诊,但尚未患有痴呆的受诊人员数据。共纳入15307人,平均年龄72.3岁,女性占60%。

  经随访发现,其中10%的人(n=1568)在初诊2年内患上不同痴呆亚型,包括AD(n=1285)、路易体痴呆(n=82)、血管性痴呆(n=21)以及其他未归类痴呆亚型(n=180)。

  随后,研究者们对四种AI模型的预测效果进行了评估。这些AI模型分别基于四种机器学习算法——逻辑回归(LR),支持向量机(SVM),随机森林(RF)以及梯度提升树(XGB)。

  结果显示,通过对患者在初诊时的家族史、病史、药物史等256种临床病理数据进行整合,这四种AI模型的诊断性能相近,与CAIDE模型、BDSI 模型相比,都能够更加准确地预测未来2年内的AD风险。尤其是基于XGB的AI模型,准确率达92%,AUC达0.92。

  不仅如此,基于不同算法,这四种AI模型对于不同痴呆亚型的识别敏感性还略有不同。

  基于LR的AI模型对AD以及未归类痴呆亚型更敏感,能够正确识别出46%的AD患者、55%的未归类痴呆亚型患者。而基于SVM的AI 模型在识别路易体痴呆上表现最佳,能够正确识别出49%的路易体痴呆患者。对于血管性痴呆,这四种AI模型都能正确识别出33%的患者。

  但此时研究者们还不满足。AI模型往往需要大量、不同的数据来支撑,这也是开头提到的AI模型在临床应用上的限制。那么这四种AI模型能否“轻装上阵”,仅用少量且常规的病理报告就精准完成预测呢?

  他们发现,即使仅提供患者的6种常规病理报告数据(临床医生诊断、心理测试完成时间、方向感、记忆力、独立性以及特定生活方式),基于LR的AI模型和基于XGB的AI模型仍可发挥良好的诊断性能,准确度均可达到91%,AUC达到0.89。

  有趣的是,在这些2年后被诊断为痴呆的患者中,有8%的人(n=130)在确诊后被发现是误诊。而研究者们发现,基于LR的AI模型,能够将误诊率降低84%。

  总体来说,Llewellyn和他的同事们基于15307人的数据,成功利用新的AI模型准确预测出未来2年内的AD患病风险。

  而且仅需患者的临床医生诊断、心理测试完成时间、方向感、记忆力、独立性以及特定生活方式这6种常规病理报告,就可达到91%的准确率,AUC达0.89,突破了AI模型用于AD临床诊断的局限性,并将误诊率降低84%。

  奇点糕不禁感叹一下,人类的技术提升+整活能力,使得人工智能在生活中的应用越来越广。人类学习知识、提高自身认知水平创造AI,再让AI通过机器学习来预测人类认知功能的退化,妙啊~

  [8]Burgos N, Colliot O. Machine learning for classification and prediction of brain diseases: recent advances and upcoming challenges. Curr Opin Neurol. 2020;33(4):439-450. doi:10.1097/WCO.8

  本文为澎湃号作者或机构在澎湃新闻上传并发布,仅代表该作者或机构观点,不代表澎湃新闻的观点或立场,澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。