- 경도인지 장애(MCI)는 종종 알츠하이머병의 발병에 선행합니다.
- 기능적 MRI(fMRI) 스캔은 MCI의 미묘한 징후를 포착할 수 있지만 해석하기 어렵습니다.
- 리투아니아 연구원들은 소규모 연구에서 MCI를 식별하는 딥 러닝 알고리즘을 개발했습니다.
초기 알츠하이머병(AD)의 첫 번째 지표 중 하나는 MCI의 발달입니다. 상태가 진행됨에 따라 뇌의 미묘하고 감지하기 어려운 변화가 MCI를 동반합니다.
이제 리투아니아의 Kaunas University of Technology(KTU) 연구원들의 연구는 fMRI 스캔에서 MCI의 단계를 정확하게 감지하고 구별할 수 있는 새로 개발된 딥 러닝 컴퓨터 알고리즘을 제시합니다.
알고리즘은 99% 이상의 정확도로 MCI와 그 단계를 식별할 수 있습니다.
MCI는 정상적인 연령 관련 인지 저하와 치매 사이의 과도기 상태입니다. 항상 알츠하이머병으로 진행되는 것은 아니지만 종종 진행되며 알츠하이머병을 조기에 발견하면 알츠하이머병이 있는 사람들이 치료를 통해 더 많은 혜택을 받을 수 있습니다.
이 연구의 수석 연구원인 Dr. Rytis Maskeliūnas는 “전 세계의 의료 전문가들이 조기 알츠하이머 진단에 대한 인식을 높이기 위해 노력하고 있습니다.
알츠하이머 협회(Alzheimer’s Association)의 과학 프로그램 및 지원 책임자이며 연구에 참여하지 않은 DPhil의 Claire Sexton은 이렇게 말했습니다. 오늘의 의료 뉴스:
“조기의 정확한 진단은 개인이 법적, 재정적, 치료 계획을 세우고 치료 옵션을 탐색하며 임상 시험에 참여할 수 있도록 하여 정서적, 사회적, 의료적 이점을 가질 수 있습니다.”
연구, KTU Ph.D. 학생 Modupe Odusami 주도, 저널에 등장 MDPI.
정확한 알고리즘 탐지
fMRI 영상에서 수동으로 MCI를 인식하는 것이 가능하지만 이는 자세한 지식이 필요한 시간 소모적인 작업입니다. 따라서 딥 러닝을 사용한 자동화에 이상적인 후보입니다. 딥 러닝은 인간이 쉽게 인식하기에는 너무 작거나 모호할 수 있는 데이터의 패턴을 감지하는 방법을 학습할 수 있는 컴퓨터 알고리즘 유형입니다.
KTU 연구원들은 인공 지능 분야의 협력자들과 협력하여 잘 알려진 기존 알고리즘인 ResNet 18을 수정하여 MCI 감지를 위해 미세 조정했습니다.
훈련 과정 후 연구원들은 138명의 fMRI 스캔을 분류하여 알고리즘을 테스트했습니다.
스캔은 건강한 통제에서 시작하여 MCI를 통해 AD로 이동하는 6개의 인지 단계를 묘사했습니다. 초기 MCI와 AD를 구별할 때 알고리즘은 99.99% 정확했습니다. 후기 MCI와 AD, MCI와 초기 MCI를 구분하는 정확도도 99.95%였다.
Maskeliunas 박사는 다음과 같이 말합니다.
“비슷한 데이터에서 알츠하이머의 조기 발병을 진단하려는 첫 번째 시도는 아니지만 우리의 주요 돌파구는 알고리즘의 정확성입니다.”
Maskeliūnas 박사는 “그렇게 높은 수치가 실제 실생활 성과를 나타내는 지표는 아니지만 더 많은 데이터를 얻기 위해 의료 기관과 협력하고 있습니다.”라고 말합니다.
MNT Maskeliūnas 박사는 알고리즘의 실제 정확도에 대한 기대치를 물었다. 그는 “신뢰할 수 있는 85% 이상이 의료 전문가에게 여전히 도움이 될 것이라고 말하고 싶습니다. [their] 데이터 분석에 대한 워크로드.”
그는 “이 단계에서 우리는 알고리즘을 미세 조정하는 작업을 하고 있으며 다른 사람들이 수집한 통제된 데이터 세트에 대해 일부 결과가 있음에도 불구하고 변동을 설명하기 위해 여전히 재작업해야 할 가능성이 매우 높습니다. 실제와 같은 데이터에서.”
Sexton 박사는 다음과 같이 알고리즘의 가치를 확인하기에는 너무 이르다고 제안했습니다.
“이것은 흥미롭지만 소규모(알츠하이머 환자 25명) 연구입니다. 결과적으로 제안된 새로운 진단 기술에 대해 아직 결론을 내릴 수 없습니다.”
Sexton 박사는 알고리즘에 대해 다음과 같이 말합니다. “이 결과를 더 크고 다양한 연구 그룹에서 복제하여 잠재력을 평가해야 합니다.”
알고리즘의 미래
Maskeliūnas 박사는 의사가 알츠하이머병 위험이 있는 사람들의 MCI를 식별하는 데 사용할 수 있는 알고리즘 기반 앱의 개발을 예상합니다. 그런 다음 이러한 개인에게 치료를 지시할 수 있습니다.
그는 또한 현재 조사 중인 다른 조기 진단 방법을 포함하는 자체 검사 시스템에 팀의 알고리즘을 통합할 가능성에 관심이 있습니다. 이러한 다른 방법의 예로는 안구 운동 추적, 얼굴 읽기 및 음성 분석이 있습니다.
Sexton 박사에 따르면, 그러한 새로운 기술은 “아직 연구 중입니다. 일부는 대규모 연구에서 추가 데이터를 수집하기 위해 탐색적이지만 현재 시험에 통합되고 있습니다. 결론: 사용 측면에서 확실히 발전하고 있지만 아직 임상에서 사용되지는 않습니다.”
에서 KTU 보도자료, Maskeliūnas 박사는 다음과 같이 말합니다. “우리는 데이터를 최대한 활용해야 합니다. 이것이 바로 우리 연구 그룹이 유럽 공개 과학 원칙에 초점을 맞추는 이유입니다. 따라서 누구나 우리 지식을 사용하고 더 발전시킬 수 있습니다. 이 원칙이 사회 발전에 크게 기여한다고 생각합니다.”
Maskeliunas 박사는 다음과 같이 결론을 내립니다.
“기술은 의약품을 보다 쉽게 접근할 수 있고 저렴하게 만들 수 있습니다. 그들이 의료 전문가를 진정으로 대체하지는 못하거나 적어도 조만간은 아니지만 기술은 시기적절한 진단과 도움을 구하도록 장려할 수 있습니다.”
