Artificiell intelligens överträffar kliniska tester när det gäller att förutsäga progression av Alzheimers sjukdom.
![AI-verktyg förutsäger Alzheimers progression mer exakt än tester AI-verktyg förutsäger Alzheimers progression mer exakt än tester](http://witbeast.com/wp-content/uploads/2024/07/image-28-1024x418.png)
Cambridge-forskare har skapat ett verktyg för artificiell intelligens (AI) som kan förutsäga om personer med tidiga tecken på demens kommer att förbli stabila eller utveckla Alzheimers sjukdom. Detta verktyg är korrekt i fyra av fem fall.
Detta nya tillvägagångssätt kan minska behovet av dyra och invasiva tester, vilket förbättrar tidiga behandlingsresultat. Tidiga insatser, som livsstilsförändringar eller nya läkemedel, är mest effektiva i detta skede.
Demens är ett stort globalt hälsoproblem, som påverkar över 55 miljoner människor världen över och kostar cirka 820 miljarder dollar årligen. Antalet fall förväntas nästan tredubblas under de kommande 50 åren.
Alzheimers sjukdom är den främsta orsaken till demens, ansvarig för 60–80 % av fallen. Tidig upptäckt är avgörande för effektiv behandling, men nuvarande metoder involverar ofta invasiva eller kostsamma tester som positronemissionstomografi (PET) eller lumbalpunkteringar, som inte alltid är tillgängliga.
På grund av dessa begränsningar kan upp till en tredjedel av patienterna bli feldiagnostiserade eller diagnostiseras för sent för effektiv behandling.
Ett team från University of Cambridges institution för psykologi har utvecklat en maskininlärningsmodell för att förutsäga hur snabbt individer med milda minnesproblem kommer att utvecklas till Alzheimers. Deras forskning, publicerad i tidskriften eClinicalMedicine, visar att denna modell är mer exakt än nuvarande kliniska diagnostiska verktyg.
Forskarna byggde sin modell med hjälp av låg kostnad, icke-invasiv data, inklusive kognitiva tester och MRI-skanningar som visar hjärnatrofi, från över 400 individer i en amerikansk forskningskohort.
De testade sedan modellen med verklig data från 600 fler deltagare i USA och 900 personer från minneskliniker i Storbritannien och Singapore.
Algoritmen skulle kunna skilja mellan personer med stabil mild kognitiv funktionsnedsättning och de som skulle utveckla Alzheimers inom tre år. Den identifierade korrekt individer som skulle utveckla Alzheimers i 82 % av fallen och de som inte skulle göra det i 81 % av fallen med hjälp av endast kognitiva tester och MRI-skanningar.
Denna algoritm var ungefär tre gånger mer exakt än nuvarande metoder, vilket minskade risken för felaktig diagnos.
Denna modell gjorde det också möjligt för forskare att klassificera personer med Alzheimers i tre grupper: de vars symtom skulle förbli stabila (cirka 50 %), de som skulle utvecklas långsamt (cirka 35 %) och de som skulle utvecklas snabbt (resterande 15 %).
Dessa förutsägelser validerades med uppföljningsdata över sex år. Denna tidiga identifiering är avgörande för att tillämpa nya behandlingar och noggrant övervaka patienter som fortskrider snabbt.
För de 50 % vars symtom förblir stabila, föreslår modellen att deras problem kan bero på andra orsaker, som ångest eller depression, och de kan följa olika kliniska vägar.
Professor Zoe Kourtzi från University of Cambridge sa: “Vi har utvecklat ett verktyg som endast använder kognitiva tester och MRI-skanningar men är känsligare än nuvarande metoder för att förutsäga om någon kommer att utvecklas till Alzheimers och hur snabbt.”
“Detta kan avsevärt förbättra patientvården, visa vem som behöver noggrann övervakning och lindra ångest för dem som förutspås förbli stabila. Det minskar också behovet av onödiga tester.”
Algoritmen validerades med data från nästan 900 individer från minneskliniker i Storbritannien och Singapore, vilket visar att den kan användas i verkliga kliniska miljöer.
Dr. Ben Underwood, en hederskonsult i psykiatri vid CPFT och biträdande professor vid University of Cambridge, betonade vikten av att minska osäkerheten om minnesproblem hos äldre vuxna, vilket kan orsaka oro och frustration.
Professor Kourtzi betonade behovet av bättre verktyg för att hantera demens genom att identifiera och ingripa tidigt. Teamet syftar till att utöka sin modell till andra former av demens och olika typer av data, som blodprovsmarkörer.
“Vårt mål är att skala upp vårt AI-verktyg för att hjälpa kliniker att tilldela rätt patienter till rätt diagnos- och behandlingsvägar vid rätt tidpunkt”, säger professor Kourtzi. “Detta kan påskynda upptäckten av nya läkemedel för behandling av demens.”
Informationskälla:
Robust och tolkningsbar AI-vägledd markör för tidig demensprediktion i verkliga kliniska miljöer. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725