Kecerdasan Buatan Dapat Memprediksi Alzheimer

Alat kecerdasan buatan yang diajarkan untuk menganalisis pemindaian otak dapat secara akurat memprediksi penyakit Alzheimer beberapa tahun sebelum diagnosis akhir.

Tim yang bertanggung jawab menunjukkan bahwa, setelah validasi lebih lanjut, alat ini dapat sangat membantu deteksi dini Alzheimer, memberikan waktu perawatan untuk memperlambat penyakit secara lebih efektif.

Para peneliti, dari University of California di San Francisco, menggunakan gambar positron-emission tomography (PET) dari 1,002 otak manusia untuk melatih algoritma 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 algoritma pada gambar PET dari otak dari 40 orang lainnya. Dari ini, algoritma secara akurat memprediksi individu mana yang akan menerima diagnosis akhir Alzheimer. Rata-rata, diagnosis datang lebih dari 6 tahun setelah pemindaian.

Dalam sebuah makalah tentang temuan, yang diterbitkan jurnal Radiologi baru-baru ini, tim menjelaskan bagaimana algoritma “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 kinerja algoritma.”

“Itu mampu memprediksi setiap kasus tunggal yang maju 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 bahwa angka ini kemungkinan akan meningkat menjadi hampir 14 juta pada tahun 2050.

Diagnosis yang lebih dini dan lebih akurat tidak hanya akan bermanfaat bagi mereka yang terkena dampak, tetapi bisa juga secara kolektif menghemat sekitar $ 7,9 triliun dalam perawatan medis dan biaya terkait dari waktu ke waktu.

Ketika penyakit Alzheimer berkembang, ia mengubah cara sel otak menggunakan glukosa. Perubahan dalam metabolisme glukosa ini muncul dalam jenis pencitraan PET yang melacak pengambilan bentuk radioaktif glukosa yang disebut 18F-fluorodeoxyglucose (FDG).

Dengan memberikan instruksi tentang apa yang harus dicari, para ilmuwan mampu melatih algoritma pembelajaran mendalam untuk menilai gambar PET FDG untuk tanda-tanda awal Alzheimer.

Pembelajaran mendalam ‘mengajarkan dirinya sendiri’

Para peneliti mengajarkan algoritma 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.

Algoritma ini memanfaatkan pembelajaran mendalam, jenis kecerdasan artifisial kompleks yang melibatkan pembelajaran melalui contoh, sama dengan bagaimana manusia belajar.

Pembelajaran mendalam memungkinkan algoritme untuk “mengajari dirinya” apa yang harus dicari dengan menemukan perbedaan halus di antara ribuan gambar.

Algoritma sama baiknya, jika tidak lebih baik daripada, ahli manusia dalam menganalisis gambar PET FDG.

Para penulis mencatat bahwa “dibandingkan dengan pembaca radiologi, model pembelajaran mendalam berkinerja lebih baik, dengan signifikansi statistik, untuk mengenali pasien yang akan terus memiliki diagnosis klinis [Alzheimer’s disease].”