AI ინსტრუმენტი ალცჰეიმერის დაავადების ნიშნების გამოვლენის მიზნით

კვლევა, რომელიც გამოქვეყნდა ჟურნალში Nature Communications, არის მანქანათმცოდნეობის მიდგომის კონცეფციის მტკიცებულება ნეიროდეგენერაციული დაავადების კრიტიკული მარკერების განასხვავებლად.

ამილოიდური დაფები არის ცილების ფრაგმენტები ალცჰეიმერის დაავადების მქონე ადამიანების ტვინში, რომლებიც ანადგურებენ ნერვულ უჯრედებს. (ფოტო Thinkstock Images- ის მიერ)

მკვლევარებმა აღმოაჩინეს გზა ასწავლონ კომპიუტერს ზუსტად განსაზღვროს ალცჰეიმერის დაავადების ერთ -ერთი დამახასიათებელი ნიშანი ადამიანის ტვინის ქსოვილში ხელოვნური ინტელექტის (AI) გამოყენებით.

კვლევა, რომელიც გამოქვეყნდა ჟურნალში ბუნების კომუნიკაციები , არის მანქანათმცოდნეობის მიდგომის კონცეფციის მტკიცებულება ნეიროდეგენერაციული დაავადების კრიტიკული მარკერების განასხვავებლად.

ამილოიდური დაფები არის ცილების ფრაგმენტები ალცჰეიმერის დაავადების მქონე ადამიანების ტვინში, რომლებიც ანადგურებენ ნერვულ უჯრედებს.

ისევე, როგორც ფეისბუქი აღიარებს სახეებს გადაღებულ სურათებზე დაყრდნობით, მანქანათმცოდნეობის ინსტრუმენტს შეუძლია დაინახოს აქვს თუ არა ტვინის ქსოვილის ნიმუშს ამილოიდური დაფის ერთი ტიპი ან სხვა და გააკეთოს ეს ძალიან სწრაფად.

შედეგები აჩვენებს, რომ მანქანათმცოდნეობას შეუძლია გაზარდოს ექსპერტი ნეიროპათოლოგის გამოცდილება და ანალიზი.

ინსტრუმენტი მათ საშუალებას აძლევს გაანალიზონ ათასობით -ჯერ მეტი მონაცემი და დაუსვან ახალი კითხვები, რაც შეუძლებელი იქნებოდა მონაცემთა დამუშავების შეზღუდული შესაძლებლობებით თუნდაც ყველაზე მაღალკვალიფიციური ადამიანების ექსპერტებისთვის.

ჩვენ ჯერ კიდევ გვჭირდება პათოლოგი, თქვა ბრიტანი ნ დუგერმა, UC Davis– ის ასისტენტ პროფესორმა და კვლევის წამყვანმა ავტორმა.

ეს არის ინსტრუმენტი, ისევე როგორც კლავიატურა წერისთვის. როგორც კლავიატურებმა ხელი შეუწყო სამუშაოების წერას, ციფრული პათოლოგია დაწყვილებული მანქანათმცოდნეობას შეუძლია დაეხმაროს ნეიროპათოლოგიურ მუშაობაში, თქვა დუგერმა.

იგი თანამშრომლობდა კალიფორნიის უნივერსიტეტის, სან ფრანცისკოს (UCSF) ასისტენტ მაიკლ ჯ კეისერთან, რათა დაედგინათ, შეეძლოთ თუ არა მათ კომპიუტერს ასწავლა სხვადასხვა სახის მცირე ზომის ამილოიდური ფირფიტების იდენტიფიკაციისა და ანალიზის შრომატევადი სამუშაოების ავტომატიზირება ადამიანის დიდი ნაჭრებით. ტვინის ქსოვილი.

კეისერმა და მისმა გუნდმა შექმნეს კონვოლუციური ნერვული ქსელი (CNN), კომპიუტერული პროგრამა, რომელიც შექმნილია ადამიანების ეტიკეტირებული ათასობით მაგალითით დაფუძნებული ნიმუშების ამოცნობისთვის.

გუნდმა შეიმუშავა მეთოდი, რომლის საშუალებითაც შესაძლებელი გახდა სწრაფად აღეწერა ან ეტიკეტირება ათიათასობით სურათის კოლექციიდან ნახევარი მილიონი ქსოვილის ახლო სურათის ქსოვილი 43 ჯანსაღი და დაავადებული ტვინის ნიმუშებიდან.

კომპიუტერის გაცნობის სერვისის მსგავსად, რომელიც მომხმარებლებს საშუალებას აძლევს გადაფურცლონ მარცხნივ ან მარჯვნივ, ეტიკეტინონ ვიღაცის ფოტო ცხლად თუ არა, მათ შექმნეს ვებ-პლატფორმა, რომელიც დიუგერს საშუალებას აძლევდა ერთდროულად ეძებნა პოტენციური დაფების უაღრესად მასშტაბირებული რეგიონები და სწრაფად ეტიკეტირება. რაც მან დაინახა იქ.

ეს ციფრული პათოლოგიის ინსტრუმენტი - რომელსაც მკვლევარებმა უწოდა blob თუ არა - ნება დართეს დუგერს მიეწერა 70,000 -ზე მეტი ბუშტის ან დაფის კანდიდატის ანოტირება, დაახლოებით 2,000 სურათის სიჩქარით საათში.

UCSF– ის გუნდმა გამოიყენა ეს მონაცემთა ბაზა ათიათასობით იარლიყით გამოსახული მაგალითით, რათა მოემზადებინა მათი CNN მანქანათმცოდნეობის ალგორითმი ალცჰეიმერის დაავადების დროს გამოვლენილი ტვინის სხვადასხვა სახის იდენტიფიკაციისათვის.

ყავისფერი ობობა ზურგზე ყვითელი ლაქებით

ეს მოიცავს ეგრეთ წოდებულ ბირთვულ და გავრცელებულ დაფებს შორის დისკრიმინაციას და სისხლძარღვებში დარღვევების იდენტიფიცირებას.

მკვლევარებმა აჩვენეს, რომ მათ ალგორითმს შეუძლია მთლიანი ტვინის სლაიდების დამუშავება 98,7 პროცენტიანი სიზუსტით, ხოლო სიჩქარე შეზღუდულია მხოლოდ მათ მიერ გამოყენებული კომპიუტერული პროცესორების რაოდენობით.

ზემოთ მოყვანილი სტატია მხოლოდ საინფორმაციო მიზნებისთვისაა და არ არის გამიზნული პროფესიული სამედიცინო რჩევების შემცვლელი. ყოველთვის ეძიეთ ექიმის ან სხვა კვალიფიციური ჯანდაცვის სპეციალისტის მითითებები თქვენს ჯანმრთელობასთან ან სამედიცინო მდგომარეობასთან დაკავშირებული ნებისმიერი კითხვისთვის.