マウント サイナイの研究者は、バイアスのない AI ベースの方法を使用して、認知障害の原因を研究しています



マウント サイナイの研究者は、アルツハイマー病やその他の関連障害の原因を特定説(推定)するために、新しい人工知能手法を使用して人間の脳組織の構造的および細胞的特徴を調べました。 研究チームは、偏りのない AI ベースの方法を使用して認知障害の原因を研究することで、アミロイド斑などの従来のマーカーとは対照的に、認知障害の存在を予測できる予期しない顕微鏡的異常を明らかにしたことを発見しました。 これらの調査結果は、9 月 20 日に Acta Neuropathologica Communications 誌に掲載されました。

AI は、認知症を研究するためのまったく新しいパラダイムであり、複雑な脳疾患、特にアルツハイマー病の研究に変革をもたらすでしょう。 深層学習アプローチは、認知機能障害の予測に適用されました。これは、現在人間が行う組織病理学的診断ツールが存在しない困難な問題です。」


John Crary、MD、PhD、共著者、病理学、分子および細胞ベースの医学、神経科学、人工知能および人間の健康の教授、マウントサイナイのアイカーン医科大学

マウント サイナイのチームは、脳の 2 つの領域である内側側頭葉と前頭皮質の基礎となるアーキテクチャと細胞の特徴を特定説(推定)し、分析しました。 病気の兆候を特定説(推定)するための死後脳評価の基準を改善するために、研究者は弱教師付き深層学習アルゴリズムを使用して、700 人以上の高齢ドナーのグループからの人間の脳剖検組織のスライド画像を調べ、存在または不在を予測しました。認知障害の。 弱い教師ありディープ ラーニング アプローチは、教師あり学習設定で大量のトレーニング データをラベル付けするための信号を提供するために、ノイズの多い、限られた、または不正確なソースを処理できます。 この深層学習モデルは、脳神経の周囲の保護層であるミエリンの量を定量化するために使用される Luxol fast blue 染色の減少を特定説(推定)するために使用されました。 機械学習モデルは、ミエリン染色量の減少に関連する認知障害のシグナルを特定説(推定)しました。 組織全体に不均一なパターンで散らばっています。 学習と脳機能に影響を与える白質に焦点を当てています。 研究者がトレーニングして使用した 2 セットのモデルは、ランダムな推測よりも優れた精度で認知障害の存在を予測することができました。

彼らの分析では、研究者は、AI によって特定説(推定)された脳の特定説(推定)の領域の染色強度の減少が、他の関連疾患における脳障害の存在を評価するための拡張可能なプラットフォームとして役立つ可能性があると考えています。 この方法論は、将来の研究の基礎を築きます。これには、より大規模な人工知能モデルの展開や、予測精度と信頼性を高めるためのアルゴリズムのさらなる分析が含まれる可能性があります。 チームは、最終的に、この神経病理学的研究プログラムの目標は、アルツハイマー病および関連障害に苦しむ人々の診断と治療のためのより良いツールを開発することであると述べました.

「AI を活用することで、人間の脳のような複雑なシステムに適用すると、指数関数的に多くの疾患関連機能を調べることができます。これは、人間の脳のような複雑なシステムに適用した場合の強力なアプローチです」 Icahn Mount Sinai では、医学、神経科学、人工知能、および人間の健康に基づいています。 「神経病理学と人工知能の分野でさらに解釈可能性の研究を行うことが重要です。これにより、ディープラーニングの進歩を翻訳して、アルツハイマー病と関連障害の診断と治療のアプローチを安全かつ効果的な方法で改善することができます。」

筆頭著者の Andrew McKenzie, MD, PhD であり、Icahn Mount Sinai の精神医学部門の研究担当共同チーフレジデントは、次のように付け加えています。その結果、これらの強力な深層学習モデルを神経病理学領域に展開して解釈するには、さらなる課題が残っています。」

テキサス州サンアントニオにあるテキサス大学健康科学センター、イギリスのタインにあるニューキャッスル大学、ボストンにあるボストン大学医学部、ダラスにある UT サウスウェスタン医療センターの研究者もこの研究に貢献しました。 この研究は、国立神経疾患および脳卒中研究所、国立老化研究所、レインウォーター慈善財団によるタウ コンソーシアムからの資金提供によって支援されました。

ソース:

マウント サイナイ ヘルス システム

ジャーナルの参照:

マッケンジー、AT、他。 (2022) 加齢に伴う認知障害におけるミエリン組織病理学の解釈可能な深層学習。 Acta Neuropathologica Communications。 doi.org/10.1186/s40478-022-01425-5.



Source link