Alzheimer: Kecerdasan buatan memprediksi permulaan
Alat kecerdasan buatan yang diajarkan untuk menganalisis pemindaian otak dapat memprediksi penyakit Alzheimer secara akurat beberapa tahun sebelum diagnosis akhir.
Tim yang bertanggung jawab menyarankan bahwa, setelah validasi lebih lanjut, alat tersebut dapat sangat membantu deteksi dini Alzheimer, memberikan waktu perawatan untuk memperlambat penyakit dengan lebih efektif.
Para peneliti, dari University of California di San Francisco, menggunakan gambar positron-emission tomography (PET) dari 1.002 otak orang untuk melatih algoritme pembelajaran mendalam.
Mereka menggunakan 90 persen gambar untuk mengajarkan algoritme cara mengenali fitur penyakit Alzheimer dan 10 persen sisanya untuk memverifikasi kinerjanya.
Mereka kemudian menguji algoritme tersebut pada gambar PET dari otak 40 orang lainnya. Dari sini, algoritme secara akurat memprediksi individu mana yang akan menerima diagnosis akhir Alzheimer. Rata-rata, diagnosis muncul lebih dari 6 tahun setelah pemindaian.
Dalam makalah tentang temuan, yang Radiologi Jurnal baru-baru ini diterbitkan, tim menjelaskan bagaimana algoritme "mencapai 82 persen spesifisitas pada sensitivitas 100 persen, rata-rata 75,8 bulan sebelum diagnosis akhir."
“Kami sangat senang,” kata rekan penulis Dr.Jae Ho Sohn, yang bekerja di departemen radiologi dan pencitraan biomedis universitas, "dengan performa algoritme".
“Itu mampu memprediksi setiap kasus yang mengarah ke penyakit Alzheimer,” tambahnya.
Penyakit Alzheimer dan pencitraan PET
Asosiasi Alzheimer memperkirakan bahwa sekitar 5,7 juta orang hidup dengan penyakit Alzheimer di Amerika Serikat dan angka ini kemungkinan akan meningkat menjadi hampir 14 juta pada tahun 2050.
Diagnosis yang lebih awal dan lebih akurat tidak hanya menguntungkan mereka yang terkena dampak, tetapi juga secara kolektif dapat menghemat sekitar $ 7,9 triliun untuk perawatan medis dan biaya terkait dari waktu ke waktu.
Seiring berkembangnya penyakit Alzheimer, hal itu mengubah cara sel otak menggunakan glukosa. Perubahan dalam metabolisme glukosa ini muncul dalam jenis pencitraan PET yang melacak pengambilan bentuk glukosa radioaktif yang disebut 18F-fluorodeoxyglucose (FDG).
Dengan memberikan petunjuk tentang apa yang harus dicari, para ilmuwan dapat melatih algoritma pembelajaran mendalam untuk menilai gambar PET FDG untuk tanda-tanda awal Alzheimer.
Pembelajaran mendalam 'mengajar dirinya sendiri'
Para peneliti mengajarkan algoritme dengan bantuan lebih dari 2.109 gambar FDG PET dari 1.002 otak individu. Mereka juga menggunakan data lain dari Alzheimer's Disease Neuroimaging Initiative.
Algoritme tersebut menggunakan pembelajaran yang dalam, jenis kecerdasan buatan yang kompleks yang melibatkan pembelajaran melalui contoh-contoh, mirip dengan cara manusia belajar.
Pembelajaran mendalam memungkinkan algoritme untuk "mengajar dirinya sendiri" apa yang harus dicari dengan melihat perbedaan halus di antara ribuan gambar.
Algoritme tersebut sebaik, jika tidak lebih baik dari, pakar manusia dalam menganalisis gambar PET FDG.
Para penulis mencatat bahwa "dibandingkan dengan pembaca radiologi, model pembelajaran mendalam berkinerja lebih baik, dengan signifikansi statistik, dalam mengenali pasien yang kemudian memiliki diagnosis klinis [penyakit Alzheimer]."
Perkembangan masa depan
Dr. Sohn memperingatkan bahwa penelitiannya kecil dan temuannya sekarang perlu menjalani validasi. Ini akan melibatkan penggunaan kumpulan data yang lebih besar dan lebih banyak gambar yang diambil dari waktu ke waktu dari orang-orang di berbagai klinik dan institusi.
Di masa mendatang, algoritme dapat menjadi tambahan yang berguna untuk kotak alat ahli radiologi dan meningkatkan peluang untuk pengobatan awal penyakit Alzheimer.
Para peneliti juga berencana untuk memasukkan jenis pengenalan pola lainnya ke dalam algoritma.
Perubahan metabolisme glukosa bukan satu-satunya ciri Alzheimer, jelas rekan penulis studi Youngho Seo, profesor di Departemen Radiologi dan Pencitraan Biomedis. Penumpukan protein yang tidak normal juga menjadi ciri penyakit ini, tambahnya.
“Jika PET FDG dengan [kecerdasan buatan] dapat memprediksi penyakit Alzheimer sedini ini, pencitraan PET beta-amiloid dan protein tau dapat menambah dimensi lain dari kekuatan prediksi yang penting.”
Prof Youngho Seo
