3月12日消息，據(jù)美國IT網(wǎng)站ZDNet報道，IBM已將機器學習(ML)引入診斷領域，希望有一天這些技術(shù)可以對早發(fā)性阿爾茨海默癥進行穩(wěn)定而有效的診
3月12日消息，據(jù)美國IT網(wǎng)站ZDNet報道，IBM已將機器學習(ML)引入診斷領域，希望有一天這些技術(shù)可以對早發(fā)性阿爾茨海默癥進行穩(wěn)定而有效的診斷。
日前，這家科技巨頭表示機器學習和人工智能可以被用來取代對身體侵入性很強并且昂貴的疾病檢測。IBM澳大利亞團隊的這項研究成果已在《Scientific Reports》 (科學報告) 上發(fā)表。
阿爾茨海默癥目前無法治愈，只能通過藥物治療緩解。該疾病的癥狀包括記憶力減退、記憶混亂以及難以完成曾經(jīng)熟悉的日常工作。早期診斷疾病可以幫助患者及其家人做好準備，也會非常利于醫(yī)生盡早給出相關的治療建議。
然而，現(xiàn)在確診該疾病的方式不僅昂貴而且極具侵入性，包括在脊髓液中尋找特定生物標記物，這需要對腰椎穿刺，會導致疼痛和出血。
雖然沒有治愈方法，但是在不需要進行侵入性檢查的情況下，開發(fā)早期檢測疾病的方法可以證明是新一波臨床試驗的催化劑。
根據(jù)IBM的說法，機器學習將有助于縮小早期檢測和臨床試驗之間的差距。
這種技術(shù)的使用取決于開發(fā)一種測試β-淀粉樣蛋白的方法，β-淀粉樣蛋白是一種在脊髓液中發(fā)現(xiàn)的肽。研究表明，脊髓液中的β-淀粉樣蛋白濃度在阿爾茲海默癥癥狀出現(xiàn)之前就會開始變化。
IBM的研究描述了一種利用機器學習來預測脊髓液中β-淀粉樣蛋白濃度的方法，該方法基于能夠識別血液中蛋白質(zhì)組的算法。
該論文記錄了基于機器學習的模型，這些模型可能在某一天能夠通過簡單的血液檢測就能夠判斷出有輕微認知障礙癥狀的患者患上阿爾茨海默癥的風險。研究小組認為，機器學習模型預測未來患病風險的準確率可高達77%。
通過這種機器學習開發(fā)的模型或?qū)樾滦问降陌柎暮ＤY檢測提供框架，從而代替腰椎穿刺，加快診斷速度并大大降低現(xiàn)有診斷方式的成本和侵入性。
目前，該模型仍處于早期階段，在機器學習準備進入認知疾病的診斷領域之前還有很長的路要走。不過，IBM團隊表示，為該研究開發(fā)的機器學習算法也可以擴展到其他基于脊髓液生物標記物的檢測，這不僅適用于阿爾茨海默癥，還適用于其他疾病。
隨著人類平均壽命的逐漸變長，阿爾茨海默癥的影響在全球迅速擴大。該病主要表現(xiàn)為漸進性記憶障礙、人格改變及語言障礙等神經(jīng)精神癥狀，嚴重影響患者社交及日常生活質(zhì)量。因此，進行早期診斷和干預對于延緩阿爾茨海默癥的發(fā)生、發(fā)展，減輕家庭、社會醫(yī)療負擔具有重要意義。
