Алзхеимер-ова болест: Истраживачи стварају модел за предвиђање пада

Истраживачи са Массацхусеттс Институте оф Тецхнологи развили су модел машинског учења који би могао предвидети стопу когнитивног пада повезаног са Алцхајмеровом болешћу до 2 године у будућности.

Истраживачи са МИТ-а развили су модел машинског учења за који кажу да би могао тачно предвидети когнитивни пад.

Алцхајмерова болест погађа милионе људи широм света, али научници још увек не знају шта је узрокује.

Из тог разлога, стратегије превенције могу бити погођене и промашене. Штавише, здравствени радници немају јасан начин да одреде стопу опадања когнитивног стања код особе након што им је лекар дијагностиковао Алцхајмерову болест.

Сада су истраживачи са Массацхусеттс Институте оф Тецхнологи (МИТ) у Кембриџу - у сарадњи са стручњацима из других институција - развили модел машинског учења који би стручњацима могао да предвиди колико ће се когнитивно функционисање особе променити до 2 године унапред овог опадања утврђивање.

Тим који чине Огњен Рудовић, Иуриа Утсуми, Келли Петерсон, Рицардо Гуерреро, Даниел Руецкерт и проф. Росалинд Пицард - представиће свој пројекат касније ове недеље на конференцији Мацхине Леарнинг фор Хеалтхцаре. Овогодишња конференција ће се одржати у Анн Арбор, МИ.

„Тачно предвиђање когнитивног пада са 6 на 24 месеца је пресудно за дизајнирање клиничких испитивања“, објашњава Рудовић. То је, додаје он, зато што „способност да тачно предвиди будуће когнитивне промене може смањити број посета које учесник мора да обави, што може бити скупо и дуготрајно“.

„Осим што помаже у развоју корисног лека,“ наставља истраживач, „циљ је да се смање трошкови клиничких испитивања како би се учинили приступачнијим и обављали у већем обиму.“

Коришћење мета учења за предвиђање пада

Да би развио свој нови модел, тим је користио податке Иницијативе за неуросликовање Алзхеимер-ове болести (АДНИ), која је највећи скуп података о клиничком испитивању Алзхеимер-ове болести на свету.

Кроз АДНИ, истраживачи су могли да приступе подацима приближно 1.700 људи - неки са а неки без Алзхеимерове болести - прикупљени током 10 година.

Тим је имао приступ клиничким информацијама, укључујући процене когнитивног функционисања учесника, скенирање мозга, податке о ДНК саставу појединаца и мерења ликвора, који откривају биомаркере Алцхајмерове болести.

Као први корак, истраживачи су развили и тестирали свој модел машинског учења користећи податке из подгрупе од 100 учесника. Међутим, о овој кохорти недостајало је много података. Дакле, истражитељи су одлучили да користе другачији статистички приступ за анализу доступних података кохорте на начин који ће анализу учинити тачнијом.

Ипак, нови модел није достигао ниво тачности који су очекивали његови програмери. Да би је учинили још тачнијом, истраживачи су користили податке из друге подгрупе учесника АДНИ-а.

Међутим, овог пута тим се одлучио да не примењује исти модел на све. Уместо тога, персонализовали су модел како би одговарао сваком учеснику, узимајући нове податке како су постајали доступни након сваке нове клиничке процене.

Овим приступом истраживачи су открили да је модел довео до знатно ниже стопе грешака у предвиђањима. Штавише, показао се бољим од постојећих модела машинског учења примењених на клиничке податке.

Ипак, истраживачи су отишли ​​корак даље како би били сигурни да њихов приступ оставља простора за што мање грешака. Наставили су да осмишљавају модел „мета учења“ који може одабрати најбољи приступ за предвиђање когнитивних исхода код сваког учесника.

Овај модел аутоматски бира између укупне популације и персонализованог приступа, рачунајући који ће највероватније понудити најбоље предвиђање за било ког појединца у одређеном временском тренутку.

Истраживачи су открили да је овај приступ смањио стопу грешака у предвиђањима за додатних 50%.

„Нисмо могли да пронађемо ниједан модел или фиксну комбинацију модела који би нам могли дати најбоље предвиђање“, објашњава Рудовић.

„Тако смо желели да научимо како да учимо помоћу ове шеме мета-учења. То је као модел на врху модела који делује као селектор, обучен користећи мета знање да одлучи који модел је боље применити. “

Огњен Рудовић

У будуће, тим жели да успостави партнерство са фармацеутском компанијом за тестирање овог модела у текућем испитивању Алзхеимерове болести.

none:  мри - љубимац - ултразвук рак - онкологија спавање - поремећаји спавања - несаница