Алцхаймер: Изследователите създават модел за прогнозиране на спада
Изследователи от Масачузетския технологичен институт са разработили модел за машинно обучение, който би могъл да прогнозира скоростта на когнитивния спад, свързан с Алцхаймер, до 2 години в бъдеще.
Болестта на Алцхаймер засяга милиони хора по света, но учените все още не знаят какво я причинява.
Поради тази причина стратегиите за превенция могат да бъдат пропуснати. Нещо повече, здравните специалисти нямат ясен начин да определят степента на когнитивния спад на човек, след като лекарят ги диагностицира с болестта на Алцхаймер.
Сега изследователи от Масачузетския технологичен институт (MIT) в Кеймбридж - в сътрудничество със специалисти от други институции - са разработили модел за машинно обучение, който може да позволи на специалистите да предскажат колко ще се промени когнитивното функциониране на човек до 2 години предварително от този упадък се установява.
Екипът, съставен от Огнен Рудович, Юрия Уцуми, Кели Питърсън, Рикардо Гереро, Даниел Рюкерт и проф. Розалинд Пикард, ще представи проекта си по-късно тази седмица на конференцията за машинно обучение за здравеопазване. Тази година конференцията ще се проведе в Ан Арбър, Мичиган.
„Точното прогнозиране на когнитивния спад от 6 до 24 месеца е от решаващо значение за изготвянето на клинични изпитвания“, обяснява Рудович. Това, добавя той, се дължи на това, че „способността да се предсказват точно бъдещи когнитивни промени може да намали броя посещения, които участникът трябва да направи, което може да бъде скъпо и отнема много време.“
„Освен че помага да се разработи полезно лекарство, продължава изследователят, целта е да се помогне за намаляване на разходите за клинични изпитвания, за да се направят по-достъпни и да се правят в по-голям мащаб.“
Използване на метаучение за прогнозиране на спад
За да разработи новия си модел, екипът използва данни от Инициативата за невроизобразяване на болестта на Алцхаймер (ADNI), която е най-големият набор от данни за клинични изпитвания за болестта на Алцхаймер в света.
Чрез ADNI изследователите са успели да получат достъп до данните на приблизително 1700 души - някои с и други без болестта на Алцхаймер - събрани в продължение на 10 години.
Екипът имаше достъп до клинична информация, включително оценки на когнитивното функциониране на участниците, мозъчни сканирания, данни относно състава на ДНК на индивидите и измервания на цереброспиналната течност, които разкриват биомаркерите на болестта на Алцхаймер.
Като първа стъпка изследователите разработиха и тестваха своя модел за машинно обучение, използвайки данни от подгрупа от 100 участника. Въпреки това имаше много липсващи данни за тази кохорта. Така че следователите решиха да използват различен статистически подход, за да анализират наличните данни на кохортата по начин, който да направи анализа по-точен.
И все пак новият модел не достигна нивото на точност, което неговите разработчици очакваха. За да го направят още по-точен, изследователите са използвали данни от друга подкохорта от участници в ADNI.
Този път обаче екипът реши да не прилага един и същ модел за всички. Вместо това те персонализираха модела, за да отговарят на всеки участник, като взеха нови данни, когато станаха достъпни след всяка нова клинична оценка.
С този подход изследователите установиха, че моделът е довел до значително по-нисък процент на грешки в своите прогнози. Освен това се представя по-добре от съществуващите модели за машинно обучение, приложени към клинични данни.
И все пак изследователите отидоха още една крачка напред, за да се уверят, че техният подход оставя място за възможно най-малко грешки. Продължиха да разработват модел за „мета обучение“, който може да избере най-добрия подход за прогнозиране на когнитивните резултати при всеки участник.
Този модел автоматично избира между общото население и персонализирания подход, като изчислява кой най-вероятно ще предложи най-добрата прогноза за даден индивид в определен момент от времето.
Изследователите установиха, че този подход намалява процента на грешки при прогнози с още 50%.
„Не можахме да намерим нито един модел, нито фиксирана комбинация от модели, които да ни дадат най-добрата прогноза“, обяснява Рудович.
„Искахме да научим как да учим с тази схема за метаучение. Това е като модел върху модел, който действа като селектор, обучен да използва мета знания, за да реши кой модел е по-добре да се използва. "
Огнен Рудович
Занапред екипът има за цел да създаде партньорство с фармацевтична компания, за да тества този модел в текущо проучване на болестта на Алцхаймер.
