可通过AI检测到的阿尔茨海默氏病标志

小编发现不少朋友对于 可通过AI检测到的阿尔茨海默氏病标志 这方面的信息都比较感兴趣，小编就针对 可通过AI检测到的阿尔茨海默氏病标志 整理了一些相关方面的信息 在这里分享给大家。

加州大学戴维斯分校和加州大学旧金山分校的研究人员表示，人工智能可以加快对阿尔茨海默氏病关键症状之一的精确检测，他们在《自然通讯》上发表了有关机器学习工具的研究。

研究人员开发的机器学习工具可以检测大脑中称为淀粉样蛋白斑块的蛋白质碎片团块，这些碎片会破坏神经细胞的连接并存在于阿尔茨海默氏病患者中。该工具的工作方式类似于Facebook如何识别所捕获图像上的脸部。它可以很快在脑组织中看到各种淀粉样斑块。

Brittany N. Dugger博士是UC Davis加州大学戴维斯分校病理学和检验医学系的助理教授，也是该研究的主要作者，他与UCSF神经退行性疾病研究所助理教授Michael J. Keiser博士以及药物化学系要弄清楚他们是否可以教一台计算机来分析和识别人脑组织中不同类型的淀粉样斑块。Keizer和他的团队设计了一种计算机程序，该程序可以基于数千个带有人类标签的示例识别模式，称为卷积神经网络(CNN)。

CNN需要足够的训练示例，以能够自行识别淀粉样蛋白斑块，并训练机器学习算法来识别在阿尔茨海默氏病中发现的脑部变化，包括看到核心斑块和弥散性斑块以及血管异常。为此，Dugger需要从43个健康和患病的大脑样本的100万张特写图像中标记成千上万张图像。使用一个以约会软件(Tinder)为原型的平台，Dugger可以使用户向右滑动“是”，向左滑动“否”，从而可以每小时大约2,000张图像的速度快速标记图像中的斑块。该程序被称为“是否斑点”，Duggar注释了70,000多个斑点或斑块候选者。

在此数据库上经过训练后，该算法可以以98.7%的精度处理全脑切片幻灯片。此外，UCSF团队测试了计算机的识别能力，以了解其做出预测的原因。

尽管该工具在分析数据上的能力大大超过了人类，但仍应被认为是对专家神经病理学家的补充。

杜格在一份声明中说：“我们仍然需要病理学家。这是一种工具，就像键盘是用于书写一样。由于键盘有助于编写工作流程，因此将数字病理学与机器学习结合使用可以帮助神经病理学工作流程。”

但是，在识别斑块方面，计算机比Dugger更好。