АИ алат за откривање обележја Алцхајмерове болести
Студија, објављена у часопису Натуре Цоммуницатионс, доказ је концепта приступа машинског учења разликовању критичних маркера неуродегенеративне болести.
Амилоидни плакови су гомиле протеинских фрагмената у мозгу људи са Алзхеимеровом болешћу који уништавају везе нервних ћелија, рекли су истраживачи са Калифорнијског универзитета у Давису у САД. (Фотографија Тхинкстоцк Имагес) Истраживачи су пронашли начин да науче рачунар да прецизно открије једно од обележја Алцхајмерове болести у ткиву људског мозга помоћу вештачке интелигенције (АИ).
Студија је објављена у часопису Натуре Цоммуницатионс , је доказ концепта за приступ машинског учења разликовању критичних маркера неуродегенеративне болести.
Амилоидни плакови су гомиле протеинских фрагмената у мозгу људи са Алзхеимеровом болешћу који уништавају везе нервних ћелија, рекли су истраживачи са Калифорнијског универзитета у Давису (УЦ Давис) у САД.
Слично начину на који Фацебоок препознаје лица на основу снимљених слика, алат за машинско учење може видети има ли узорак можданог ткива једну или другу врсту амилоидне плоче и то врло брзо.
Налази указују на то да машинско учење може повећати стручност и анализу стручног неуропатолога.
Алат им омогућава да анализирају хиљаде пута више података и постављају нова питања која не би била могућа са ограниченим могућностима обраде података чак и најквалификованијих људских стручњака.
Још увек нам је потребан патолог, рекла је Бриттани Н Дуггер, доцент на УЦ Давис и водећа ауторка студије.
Ово је алат, попут тастатуре за писање. Како су тастатуре помогле у писању радних токова, дигитална патологија упарена са машинским учењем може помоћи у току неуропатологије, рекао је Дуггер.
Она је сарађивала са Мајклом Кејзером, доцентом на Калифорнијском универзитету у Сан Франциску (УЦСФ), како би утврдила да ли могу да науче рачунар да аутоматизује напоран процес идентификације и анализе сићушних амилоидних плоча различитих врста у великим кришкама обдукованих људи можданог ткива.
Кеизер и његов тим су дизајнирали конволуциону неуронску мрежу (ЦНН), рачунарски програм дизајниран за препознавање образаца заснованих на хиљадама примера означених људима.
Тим је осмислио метод који му је омогућио да брзо означи или означи десетине хиљада слика из колекције пола милиона снимака ткива изблиза из 43 здрава и болесна узорка мозга.
Попут рачунарске услуге за упознавање која омогућава корисницима да превлаче лево или десно да означе нечију фотографију као врућу или не, развили су веб платформу која је Дуггеру омогућила да гледа један по један у високо зумиране регионе потенцијалних плоча и брзо означи шта је тамо видела.
Овај алат за дигиталну патологију - који су истраживачи назвали мрља или не - омогућио је Дуггеру да коментира више од 70.000 мрља или кандидата за плакете, брзином од око 2.000 слика на сат.
Тим УЦСФ-а је користио ову базу података од десетина хиљада означених примера слика за обуку свог ЦНН алгоритма машинског учења да идентификује различите врсте можданих промена које се примећују код Алцхајмерове болести.
мали црни и наранџасти лептир
То укључује разликовање такозваних језгрених и дифузних плакова и идентификовање абнормалности у крвним судовима.
Истраживачи су показали да њихов алгоритам може обрадити читав дијапозитив цијелог мозга са прецизношћу од 98,7 посто, при чему је брзина ограничена само бројем рачунарских процесора које користе.