211service.com
AI gali pastebėti Alzheimerio ligos požymius anksčiau nei jūsų šeima
Ankstesnė diagnozė gali padėti mokslininkams sukurti vaistus, kurie sulėtintų ligos progresą. 2018 m. kovo 19 d
Kai Davidas Grahamas atsibunda ryte, plokščia balta dėžutė, pritvirtinta prie jo kambario sienos Robbie's Place, pagalbinėje gyvenamojoje vietoje Marlboro mieste, Masačusetso valstijoje, pradeda įrašyti kiekvieną jo judesį.
Jis žino, kada jis pakyla iš lovos, apsirengia, prieina prie lango ar į vonią. Jis gali pasakyti, ar jis miega, ar nukrito. Jis tai daro naudodamas mažos galios belaidžius signalus, kad nustatytų jo eisenos greitį, miego modelius, vietą ir net kvėpavimo modelį. Visa ši informacija įkeliama į debesį, kur mašininio mokymosi algoritmai randa tūkstančiuose jo kasdien atliekamų judesių modelius.
Stačiakampės dėžutės yra eksperimento dalis, padedanti mokslininkams sekti ir suprasti Alzheimerio ligos simptomus.
Tai ne visada akivaizdu, kai pacientai yra ankstyvose ligos stadijose. Pokyčiai smegenyse gali sukelti subtilius elgesio ir miego modelių pokyčius kelerius metus prieš tai, kai žmonės pradeda patirti sumišimą ir atminties praradimą. Tyrėjai mano, kad dirbtinis intelektas galėtų anksti atpažinti šiuos pokyčius ir nustatyti pacientus, kuriems gresia sunkiausios ligos formos.
Pastebėjus pirmuosius Alzheimerio ligos požymius prieš pasireiškus bet kokiems akivaizdiems simptomams, būtų galima nustatyti žmones, kuriems eksperimentiniai vaistai greičiausiai bus naudingi, ir leisti šeimos nariams planuoti galimą priežiūrą. Prietaisai su tokiais algoritmais galėtų būti montuojami žmonių namuose arba ilgalaikės priežiūros įstaigose, kad būtų galima stebėti asmenis, kuriems gresia pavojus. Pacientams, kuriems jau nustatyta diagnozė, tokia technologija galėtų padėti gydytojams pakoreguoti jų priežiūrą.
Vaistų kompanijos taip pat yra suinteresuotos naudoti mašininio mokymosi algoritmus, siekdamos medicininiuose įrašuose ieškoti pacientų, kuriems greičiausiai bus naudingi eksperimentiniai vaistai. Kai žmonės dalyvauja tyrime, AI gali pasakyti tyrėjams, ar vaistas mažina jų simptomus.
Šiuo metu nėra lengvo būdo diagnozuoti Alzheimerio ligą. Nėra vieno testo, o vien tik smegenų skenavimas negali nustatyti, ar kas nors serga šia liga. Vietoj to, gydytojai turi atsižvelgti į įvairius veiksnius, įskaitant paciento ligos istoriją ir šeimos narių ar sveikatos priežiūros darbuotojų pastebėjimus. Taigi mašininis mokymasis gali perimti modelius, kuriuos kitu atveju būtų lengva praleisti.
Davidas Grahamas, vienas iš Vahia pacientų, savo kambaryje Robbie's Place, pagalbinėje gyvenimo įstaigoje Marlborough mieste, Masačusetso valstijoje, turi vieną iš DI varomų įrenginių.
Grehemui, skirtingai nei kitiems keturiems pacientams, turintiems tokius prietaisus savo kambariuose, Alzheimerio liga nebuvo diagnozuota. Tačiau mokslininkai stebi jo judesius ir lygina juos su pacientų, kuriems gydytojai įtaria ligą, modeliais.
Dina Katabi ir jos komanda iš MIT kompiuterių mokslo ir dirbtinio intelekto laboratorijos iš pradžių sukūrė įrenginį kaip kritimo detektorių vyresnio amžiaus žmonėms. Tačiau jie greitai suprato, kad tai turi daug daugiau naudos. Jie manė, kad jei jis gali pakelti kritimą, jis taip pat turi atpažinti kitus judesius, pvz., žingsniavimą ir klaidžiojimus, kurie gali būti Alzheimerio ligos požymiai.
Katabi sako, kad jų tikslas buvo stebėti žmones, nereikalaujant, kad jie kiekvieną dieną užsidėtų nešiojamą sekimo įrenginį. Tai visiškai pasyvu. Pacientui nereikia dėti jutiklių ant kūno ar daryti nieko konkretaus, be to, tai yra daug mažiau įkyri nei vaizdo kamera, sako ji.
Kaip tai veikia
Greimas beveik nepastebi baltos dėžutės, kabančios jo saulės apšviestame tvarkingame kambaryje. Labiausiai jis tai žino tomis dienomis, kai Ipsit Vahia važiuoja ir pasakoja apie renkamus duomenis. Vahia yra geriatrijos psichiatras McLean ligoninėje ir Harvardo medicinos mokykloje, jis ir technologijos išradėjai MIT atlieka nedidelį bandomąjį prietaiso tyrimą.
Greimas nekantriai laukia šių apsilankymų. Neseniai jis nustebo, kai Vahia jam pasakė, kad prabunda naktį. Prietaisas sugebėjo jį aptikti, nors Greimas nežinojo, kad tai daro.
Įrenginio belaidžio radijo signalas, kurio galingumas yra tik tūkstantoji dalis už wi-fi, atspindi viską 30 pėdų spinduliu, įskaitant žmogaus kūnus. Kiekvienas judesys – net ir menkiausias, pavyzdžiui, kvėpavimas – sukelia atspindėto signalo pasikeitimą.
Greimas sako, kad vos pastebi prietaisą, kuris kabo jo kambaryje.
Katabi ir jos komanda sukūrė mašininio mokymosi algoritmus, kurie analizuoja visus šiuos nedidelius atspindžius. Jie išmokė sistemą atpažinti paprastus judesius, tokius kaip ėjimas ir kritimas, ir sudėtingesnius judesius, tokius kaip tie, kurie susiję su miego sutrikimais. Kai vis labiau to mokote, mašina mokosi, o kai kitą kartą pamato modelį, net jei žmogui jis per sudėtingas, kad jį abstrahuotų, mašina tą modelį atpažįsta, sako Katabi.
Laikui bėgant įrenginys sukuria didelius duomenų rodmenis, rodančius elgesio modelius. AI sukurtas taip, kad atrinktų nukrypimus nuo tų modelių, kurie gali reikšti tokius dalykus kaip susijaudinimas, depresija ir miego sutrikimai. Tai taip pat gali nustatyti, ar asmuo per dieną kartoja tam tikrą elgesį. Tai visi klasikiniai Alzheimerio ligos simptomai.
Jei galėsite anksti pastebėti šiuos nukrypimus, galėsite juos numatyti ir padėti juos valdyti, sako Vahia.
Pacientei, kuriai diagnozuota Alzheimerio liga, Vahia ir Katabi galėjo pasakyti, kad ji atsibunda 2 val. nakties ir klaidžiojo po savo kambarį. Jie taip pat pastebėjo, kad kai kurie šeimos nariai aplankys daugiau žingsnių. Patvirtinusi tokį elgesį su slaugytoja, Vahia pakoregavo pacientui vaisto, vartojamo siekiant išvengti susijaudinimo, dozę.
Ipsit Vahia ir Dina Katabi išbando dirbtiniu intelektu varomą įrenginį, kurį Katabi laboratorija sukūrė Alzheimerio liga sergančių žmonių elgsenai stebėti, taip pat tų, kuriems gresia liga.
Smegenų pokyčiai
AI taip pat padeda gydytojams aptikti ankstyvus Alzheimerio ligos požymius smegenyse ir suprasti, kaip tie fiziniai pokyčiai pasireiškia skirtinguose žmonėse. Kai radiologas nuskaito skenuotą vaizdą, neįmanoma pasakyti, ar žmogus progresuos iki Alzheimerio ligos, sako Pedro Rosa-Neto, Monrealio McGill universiteto neurologas.
Rosa-Neto ir jo kolega Sulantha Mathotaarachchi sukūrė algoritmą, kuris išanalizavo šimtus pozitronų emisijos tomografijos (PET) nuskaitymų iš žmonių, kuriems, kaip buvo manoma, gresia Alzheimerio liga. Iš medicininių įrašų tyrėjai žinojo, kuriam iš šių pacientų liga išsivystė per dvejus metus nuo nuskaitymo, tačiau jie norėjo išsiaiškinti, ar dirbtinio intelekto sistema gali juos atpažinti tiesiog atrinkdama paveikslėlius.
Žinoma, algoritmas sugebėjo pastebėti modelius amiloido gumuluose – baltymo, dažnai siejamo su liga – tam tikruose smegenų regionuose. Net apmokytiems radiologams būtų sunku pastebėti šias problemas atliekant smegenų skenavimą. Remiantis modeliais, jis galėjo 84 procentų tikslumu nustatyti, kurie pacientai susirgo Alzheimerio liga.
Mašininis mokymasis taip pat padeda gydytojams numatyti įvairių pacientų ligos sunkumą. Duke universiteto gydytojas ir mokslininkas P. Murali Doraiswamy naudoja mašininį mokymąsi, kad išsiaiškintų, kokioje ligos stadijoje yra pacientai ir ar jų būklė gali pablogėti.
Susijusi istorija
Susijusi istorijaVaistų nesėkmės gali mums pasakyti, kad mes nežinome, kas sukelia Alzheimerio ligą.Manome, kad Alzheimerio liga yra visiems tinkama problema, sako Doraiswamy. Tačiau Alzheimerio liga sergantys žmonės ne visi patiria tuos pačius simptomus, o kai kurie gali pablogėti greičiau nei kiti. Gydytojai neįsivaizduoja, kurie pacientai kurį laiką išliks stabilūs arba kurie greitai susirgs. Taigi mes manėme, kad galbūt geriausias būdas išspręsti šią problemą yra leisti tai padaryti mašinai, sako jis.
Jis dirbo su Draganu Gambergeriu, dirbtinio intelekto ekspertu iš Rudjer Boskovic instituto Kroatijoje. sukurti mašininio mokymosi algoritmą 562 pacientų, kuriems penkerių metų laikotarpio pradžioje buvo lengvas pažinimo sutrikimas, smegenų skenavimas ir medicininiai įrašai.
Išryškėjo dvi skirtingos grupės: tie, kurių pažinimas labai susilpnėjo, ir tie, kurių simptomai per penkerius metus pasikeitė mažai arba visai nepasikeitė. Sistema sugebėjo nustatyti smegenų audinio praradimo pokyčius laikui bėgant.
Trečioji grupė buvo kažkur per vidurį, tarp lengvo pažinimo sutrikimo ir pažengusios Alzheimerio ligos. Mes nežinome, kodėl šios grupės dar egzistuoja, sako Doraiswamy.
Klinikiniai tyrimai
Nuo 2002 iki 2012 m. 99 procentai tirtų vaistų nuo Alzheimerio ligos buvo nesėkmingi klinikiniuose tyrimuose. Viena iš priežasčių yra ta, kad niekas tiksliai nežino, kas sukelia ligą. Tačiau kita priežastis yra ta, kad sunku nustatyti pacientus, kuriems konkretūs vaistai greičiausiai bus naudingi.
AI sistemos galėtų padėti sukurti geresnius bandymus. Kai turėsime tuos žmones kartu su bendrais genais, charakteristikomis ir vaizdo skenavimu, bus daug lengviau išbandyti vaistus, sako Marilyn Miller, vadovaujanti AI tyrimams Alzheimerio ligos srityje Nacionaliniame senėjimo institute, kuris yra JAV nacionalinių institutų dalis. sveikatos.
Tada, kai pacientai bus įtraukti į tyrimą, mokslininkai galėtų nuolat juos stebėti, kad sužinotų, ar jiems vaistas naudingas.
Vienas didžiausių iššūkių kuriant vaistus nuo Alzheimerio ligos yra tai, kad mes neturėjome tinkamo būdo išanalizuoti tinkamą populiaciją, kuriai būtų galima išbandyti vaistą, sako Vaibhavas Narayanas, Johnson & Johnson's neuromokslų komandos tyrėjas.
Jis sako, kad mašininio mokymosi algoritmai labai pagreitins pacientų įdarbinimo narkotikų tyrimams procesą. Ir jei AI gali nustatyti, kuriems pacientams greičiausiai pablogės greičiau, tyrėjams bus lengviau pasakyti, ar vaistas turi kokios nors naudos.
Tokiu būdu, jei gydytojai, tokie kaip Vahia, pastebės Alzheimerio ligos požymius tokiam asmeniui kaip Greimas, jie gali greitai jį užsiregistruoti klinikiniam tyrimui, tikėdamiesi pažaboti niokojančius padarinius, kurie kitu atveju atsirastų po metų.
Milleris mano, kad AI gali būti panaudota Alzheimerio ligai diagnozuoti ir prognozuoti pacientams po penkerių metų. Tačiau ji sako, kad norint įsitikinti, kad algoritmai yra tikslūs ir patikimi, reikės daug duomenų. Greimas, pavyzdžiui, daro savo darbą, kad padėtų.