新智元報(bào)道

編輯：耳朵 喬楊

【新智元導(dǎo)讀】劍橋大學(xué)研究利用人工智能建立機(jī)器學(xué)習(xí)模型精準(zhǔn)預(yù)測(cè)阿爾茨海默癥發(fā)展，準(zhǔn)確率遠(yuǎn)超臨床測(cè)試結(jié)果，為阿爾茲海默癥早期干預(yù)開辟新路徑。

如果說人工智能可以在一個(gè)領(lǐng)域產(chǎn)生前所未有的積極影響，「醫(yī)療保健」一定是最有力的候選之一，尤其是對(duì)各種疑難疾病的早期診斷和治療。

阿爾茨海默癥就是其中之一。

隨著人口老齡化的進(jìn)展，越來越多老年人的大腦中就像出現(xiàn)了一塊「橡皮擦」，記憶逐漸消除，忘記過去，忘記最親近的家人，這嚴(yán)重影響了老年群體的生活質(zhì)量。

目前，全球超過5500萬人患有癡呆癥（dementia），每年新增近1000萬例。

癡呆癥中最常見的類型就是阿爾茨海默癥，占所有病例的60%-70%。預(yù)計(jì)未來50年內(nèi)，癡呆癥患者數(shù)量將增至近3倍。

在全球范圍內(nèi)，僅2019年，這種疾病給醫(yī)療保健系統(tǒng)帶來的成本就達(dá)到了1.3萬億美元。

對(duì)于阿爾茲海默癥，早期發(fā)現(xiàn)至關(guān)重要，因?yàn)榇藭r(shí)治療可能最為有效。

然而，如果不使用侵入性或昂貴的測(cè)試，如正電子發(fā)射斷層掃描（PET）或腰椎穿刺（并非所有醫(yī)療機(jī)構(gòu)都具備這些條件），癡呆癥的早期診斷和預(yù)后可能不準(zhǔn)確。

因此，多達(dá)三分之一的患者可能會(huì)被誤診，而其他患者則可能因診斷過晚而無法接受有效治療。

此外，對(duì)于患病者來說，患有這種疾病可能會(huì)引發(fā)抑郁和焦慮。更不用說他們身邊無助而絕望的親人，親眼見證患病者逐漸失去記憶、精神失常、情緒崩潰，自己卻束手無策。

然而，AI技術(shù)的發(fā)展為這種情況帶來了一些曙光。

劍橋大學(xué)心理學(xué)系的研究人員開發(fā)了一種新的人工智能模型，在預(yù)測(cè)阿爾茨海默癥進(jìn)展方面的表現(xiàn)優(yōu)于目前的臨床測(cè)試方法。

研究團(tuán)隊(duì)利用認(rèn)知測(cè)試和MRI掃描，來預(yù)測(cè)輕度認(rèn)知障礙患者是否會(huì)患上阿爾茨海默病。機(jī)器學(xué)習(xí)模型則使用非侵入性數(shù)據(jù)，準(zhǔn)確預(yù)測(cè)了五分之四的阿爾茨海默病進(jìn)展。

論文地址：https://www.thelancet.com/action/showPdf?pii=S2589-5370(24)00304-3

研究成果也發(fā)表在《eClinical Medicine》期刊上（由柳葉刀出版）。作者認(rèn)為，利用人工智能診療的技術(shù)可以進(jìn)行早期干預(yù)，減少對(duì)后期昂貴診斷程序的依賴。

準(zhǔn)確預(yù)測(cè)阿爾茨海默病的病情進(jìn)展

PPM模型

研究團(tuán)隊(duì)使用了認(rèn)知測(cè)試和MRI掃描建立了模型，掃描的內(nèi)容是美國研究小組收集的400名患者的灰質(zhì)萎縮癥（即大腦神經(jīng)細(xì)胞死亡）。

為了彌合人工智能與臨床轉(zhuǎn)化之間的差距，論文基于PPM模型 (predictive prognostic model) 構(gòu)建了一個(gè)強(qiáng)大且可解釋的臨床人工智能工具。

該模型超越了二元分類方法，可以預(yù)測(cè)疾病處于早期階段的個(gè)體（輕度認(rèn)知障礙，MCI），癥狀前期（認(rèn)知正常，CN）的個(gè)體以及病情確診阿爾茲海默癥的個(gè)體（AD）。

PPM引入軌跡建模方法，從常規(guī)收集的多模態(tài)數(shù)據(jù)中可靠地預(yù)測(cè)未來疾病發(fā)展趨勢(shì)。

并且，使用多種類型的患者數(shù)據(jù)，包括從研究隊(duì)列推廣到現(xiàn)實(shí)世界的患者數(shù)據(jù)，可以增強(qiáng)臨床效用和在醫(yī)療保健領(lǐng)域采用的潛力。

PPM采用集成學(xué)習(xí)的GMLVQ框架，能夠組合來自多種模態(tài)的數(shù)據(jù)（而不是考慮單一數(shù)據(jù)類型），比標(biāo)準(zhǔn)臨床標(biāo)記（即灰質(zhì)萎縮、認(rèn)知衰退）或臨床診斷，更精確地預(yù)測(cè)早期病癥轉(zhuǎn)化為阿爾茲海默癥的概率。

利用多模態(tài)數(shù)據(jù)的力量，從常規(guī)收集的非侵入性和低成本數(shù)據(jù)中進(jìn)行預(yù)測(cè)，這些數(shù)據(jù)可能不如生物標(biāo)志物敏感，但收集更經(jīng)濟(jì)容易且無創(chuàng)。

這種由人工智能引導(dǎo)的大模型早期預(yù)測(cè)方法具有強(qiáng)大的潛力：

首先可以預(yù)測(cè)患者健康水平并降低醫(yī)療保健成本，接受侵入性和昂貴診斷測(cè)試的患者將越來越少；

其次，將稀缺資源提供給最需要的人，可以提高醫(yī)療資源的分配效率；

最后，在診所之間利用大模型進(jìn)行標(biāo)準(zhǔn)化診斷，可以減少醫(yī)療保健中的不平等。

樣本數(shù)據(jù)采集

研究使用來自美國的的600多名參與者樣本，以及來自英國和新加坡診所的900個(gè)額外樣本對(duì)該模型進(jìn)行了測(cè)試。

600名美國樣本數(shù)據(jù)來自阿爾茨海默病神經(jīng)影像學(xué)計(jì)劃（ADNI）研究數(shù)據(jù)隊(duì)列，用于 PPM 訓(xùn)練。

900名額外樣本作為兩個(gè)獨(dú)立測(cè)試數(shù)據(jù)集進(jìn)行樣本外驗(yàn)證，分別是NHS 記憶診所的腦結(jié)構(gòu)和功能定量 MRI（QMIN-MC）和新加坡國立大學(xué)記憶衰老與認(rèn)知中心數(shù)據(jù)集（MACC）。

這些數(shù)據(jù)集在患者人口統(tǒng)計(jì)數(shù)據(jù)和數(shù)據(jù)收集工具方面有所不同，使實(shí)驗(yàn)同時(shí)能夠測(cè)試PPM模型對(duì)不同國家和地區(qū)群體的兼容性。

具體來說，對(duì)于ADNI，樣本是根據(jù)與遺忘性MCI和阿爾茨海默病相關(guān)的特定標(biāo)準(zhǔn)進(jìn)行選擇的。

MRI數(shù)據(jù)是從美國的MRI采集點(diǎn)收集的。相比之下，QMIN-MC和MACC數(shù)據(jù)分別從英國和新加坡的代表神經(jīng)病學(xué)和精神病學(xué)記憶服務(wù)機(jī)構(gòu)收集。

因此，與招募的研究隊(duì)列（ADNI）相比，這些患者隊(duì)列通常更能反映出臨床實(shí)踐中遇到的患者具體情況。

實(shí)驗(yàn)結(jié)果

測(cè)試結(jié)果顯示，這種算法能夠區(qū)分患有輕度認(rèn)知障礙的人和會(huì)在3年內(nèi)病癥發(fā)展為阿爾茨海默病的人。

并且，僅通過認(rèn)知測(cè)試和MRI掃描，識(shí)別出三年內(nèi)會(huì)患上阿爾茨海默病的人的準(zhǔn)確率達(dá)到82%，以及正確識(shí)別81%的人不會(huì)患上阿爾茨海默病。

并且，它還能夠追蹤疾病的進(jìn)展，根據(jù)病例不同的情況提供最合適的治療方法。

AI模型還允許研究人員使用每個(gè)人首次就診的數(shù)據(jù)，將阿爾茨海默病患者分為三組：癥狀保持穩(wěn)定的人群（約占50%）、病癥發(fā)展緩慢的人群（約占35%）和病癥發(fā)展更快的人群（約占15%）。

這些預(yù)測(cè)在研究人員跟蹤記錄的6年隨訪數(shù)據(jù)時(shí)得到了驗(yàn)證。他們認(rèn)為，人工智能解決方案在預(yù)測(cè)阿爾茨海默病進(jìn)展方面比臨床診斷準(zhǔn)確3倍。

準(zhǔn)確的提前預(yù)測(cè)非常重要，因?yàn)樗梢詭椭谠缙陔A段就識(shí)別出可能患病的人，同時(shí)也能識(shí)別出那些需要密切監(jiān)測(cè)的人，因?yàn)樗麄兊牟∏榭赡軙?huì)迅速惡化。

「如果我們要應(yīng)對(duì)癡呆癥帶來的日益嚴(yán)重的健康挑戰(zhàn)，我們將需要更好的工具來盡早識(shí)別和干預(yù)。」劍橋大學(xué)心理學(xué)系教授Zoe Kourtzi說。

「我們的愿景是擴(kuò)大人工智能工具的使用范疇，幫助臨床醫(yī)生及早發(fā)現(xiàn)患病群體和使用正確的方法治療。在醫(yī)療資源面臨巨大壓力的時(shí)候，這也將有助于消除不必要的昂貴且有創(chuàng)診斷測(cè)試的需要?！?/span>

前期檢測(cè)對(duì)于誤診的判定也很重要，那些有記憶喪失等癥狀但病情保持穩(wěn)定的人中，他們的癥狀可能是由其他原因而不是癡呆癥引起的，例如焦慮或抑郁。

CPFT名譽(yù)顧問精神病學(xué)家、劍橋大學(xué)精神病學(xué)系助理教授Ben Underwood博士表示，「隨著年齡的增長(zhǎng)，記憶問題很常見。在臨床上，無法確定這是不是癡呆癥的最初跡象，會(huì)給患者帶來很多擔(dān)憂。」

如果能精準(zhǔn)識(shí)別病情穩(wěn)定的群體并不是患有阿爾茲海默癥，這也會(huì)極大減輕患者的心理壓力。

Kourtzi 教授說，「人工智能模型的優(yōu)劣取決于它們所訓(xùn)練的數(shù)據(jù)。為了確保我們的模型有可能在醫(yī)療保健環(huán)境中得到應(yīng)用，我們不僅使用研究隊(duì)列的數(shù)據(jù)，還要使用診所中的患者數(shù)據(jù)，對(duì)其進(jìn)行訓(xùn)練和測(cè)試。這表明該模型將能夠推廣臨床應(yīng)用中?！?/span>

展望未來，研究團(tuán)隊(duì)希望將他們的模型擴(kuò)展到其他類型的失智癥，如血管性失智和額顳葉失智，并使用不同類型的數(shù)據(jù)，如血液檢查中的標(biāo)記物。

這項(xiàng)研究得到了各種機(jī)構(gòu)的支持，包括 Wellcome、英國阿爾茨海默病研究中心、皇家學(xué)會(huì)和英國國家健康與護(hù)理研究所劍橋生物醫(yī)學(xué)研究中心。

早期癡呆癥診斷

除了建立AI預(yù)測(cè)模型，歐洲大學(xué)都在積極利用人工智能技術(shù)，解決阿爾茲海默癥難題。

在歐盟地平線計(jì)劃的1400萬歐元支持下，AI-Mind項(xiàng)目正在開發(fā)兩種可以實(shí)現(xiàn)癡呆癥早期診斷的人工智能工具。

AI-Mind于2021年啟動(dòng)，將持續(xù)到2026年。其合作伙伴包括七所歐洲大學(xué)，包括芬蘭的阿爾托大學(xué)、愛沙尼亞的塔林大學(xué)和荷蘭的拉德堡德大學(xué)醫(yī)學(xué)中心。

它專門針對(duì)輕度認(rèn)知障礙 (MCI) 階段，該階段沒有結(jié)構(gòu)性腦缺陷，仍然可以進(jìn)行干預(yù)。

為了實(shí)現(xiàn)這一目標(biāo)，該項(xiàng)目背后的13個(gè)合作伙伴正在構(gòu)建AI-Mind Connector和AI-Mind Predictor。

Connector分析來自EEG的大腦圖像，來檢測(cè)可能導(dǎo)致癡呆癥的早期跡象。

Predictor將這些數(shù)據(jù)與認(rèn)知測(cè)試和血液分析相結(jié)合，以大于95%的準(zhǔn)確率評(píng)估該疾病的患病風(fēng)險(xiǎn)。

這兩種工具都將集成到目前醫(yī)療專業(yè)人員使用的云診斷平臺(tái)中。

該項(xiàng)目的最終目標(biāo)雄心勃勃：將診斷時(shí)間從2到5年縮短到1周。通過這種方式，希望延長(zhǎng)MCI患者的無癥狀期。

追蹤蛋白質(zhì)團(tuán)塊

AI 在對(duì)抗癡呆癥方面的另一個(gè)用例是加深我們對(duì)體內(nèi)蛋白質(zhì)團(tuán)塊的了解，并且跟蹤蛋白質(zhì)團(tuán)塊的病變情況。

為了使我們的身體正常運(yùn)轉(zhuǎn)，細(xì)胞內(nèi)蛋白質(zhì)和其他分子之間會(huì)發(fā)生數(shù)十億次相互作用。

但是，當(dāng)相互作用的反應(yīng)過程發(fā)生病變時(shí)，蛋白質(zhì)就會(huì)聚集成團(tuán)塊并且進(jìn)一步惡化，從而導(dǎo)致阿爾茨海默癥等神經(jīng)疾病。

哥本哈根大學(xué)的研究人員開發(fā)了一種AI算法，可以在顯微鏡圖像中發(fā)現(xiàn)十億分之一大小的蛋白質(zhì)團(tuán)塊。

該算法還可以計(jì)算團(tuán)塊數(shù)量，按形狀和大小對(duì)其進(jìn)行分類，并監(jiān)測(cè)它們隨時(shí)間的變化情況。

這樣可以幫助科學(xué)家了解這些團(tuán)塊形成的原因，進(jìn)而推動(dòng)新藥和新療法的發(fā)現(xiàn)。

據(jù)該團(tuán)隊(duì)介紹，該工具只需幾分鐘即可自動(dòng)完成研究人員需要數(shù)周才能完成的過程。

并且，該機(jī)器學(xué)習(xí)算法作為開源模型在互聯(lián)網(wǎng)上可以免費(fèi)提供使用。

「隨著世界各地的研究人員開始部署該工具，這將有助于創(chuàng)建一個(gè)與各種疾病和生物學(xué)相關(guān)的大型分子和蛋白質(zhì)結(jié)構(gòu)庫?！乖撗芯康墓餐髡逳ikos Hatzakis表示。