皇冦网上投注站-网上投注特码被骗-和记国际网上娱乐

隨著人口老齡化的加劇，阿爾茨海默?。ˋD）患病率在全球逐年上升。AD的精準(zhǔn)診療仍是醫(yī)學(xué)難題之一。近年來(lái)，人工智能（AI）等新興技術(shù)發(fā)展迅猛，那么，對(duì)于A(yíng)D的精準(zhǔn)診療，AI能否幫上忙？

對(duì)此，湖南師范大學(xué)信息科學(xué)與工程學(xué)院教授畢夏安領(lǐng)銜的腦科學(xué)與人工智能團(tuán)隊(duì)做出了創(chuàng)新嘗試。他們將大腦影像和基因數(shù)據(jù)分別作為AD的宏觀(guān)視圖與微觀(guān)視圖，提出一種用于疾病分類(lèi)與風(fēng)險(xiǎn)預(yù)測(cè)的深度學(xué)習(xí)算法，可精準(zhǔn)生成大腦功能網(wǎng)絡(luò)視圖。大量實(shí)驗(yàn)顯示，其多階段診斷和風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率分別達(dá)74.2%和84.5%，比當(dāng)前已有的先進(jìn)診斷方法平均高出10個(gè)百分點(diǎn)。

日前，該研究成果發(fā)表于《IEEE模式分析與機(jī)器智能匯刊》（IEEE TPAMI）。

“碼農(nóng)”能為精準(zhǔn)醫(yī)療做點(diǎn)啥？

“AI等新技術(shù)的應(yīng)用越來(lái)越廣泛，我這個(gè)‘碼農(nóng)’能為AD的診療做點(diǎn)什么？”

一直從事網(wǎng)絡(luò)安全相關(guān)研究的畢夏安這樣問(wèn)自己。他與中南大學(xué)湘雅醫(yī)院相關(guān)科室的醫(yī)生開(kāi)展了前期合作，并花費(fèi)兩年時(shí)間系統(tǒng)學(xué)習(xí)了神經(jīng)學(xué)科的相關(guān)內(nèi)容，特別是針對(duì)重大神經(jīng)退行性疾病的內(nèi)容。

“AD診療難，關(guān)鍵問(wèn)題是我們對(duì)大腦的認(rèn)識(shí)遠(yuǎn)遠(yuǎn)不夠?！碑呄陌舱f(shuō)，大腦有最復(fù)雜的網(wǎng)絡(luò)，成人大腦中約有1000億個(gè)神經(jīng)元，如何挖掘利用大腦數(shù)據(jù)是關(guān)鍵。既往臨床研究獲取了大量大腦數(shù)據(jù)，但缺乏對(duì)信息多維度、跨尺度的整合，診療一線(xiàn)的臨床醫(yī)生往往沒(méi)有那么多時(shí)間、精力以及好的技術(shù)功底去做這件事，“這個(gè)時(shí)候我們‘碼農(nóng)’就派上用場(chǎng)了”。

中南大學(xué)湘雅醫(yī)院副教授易小平介紹，現(xiàn)有的AD早期診斷方案大多基于量表和問(wèn)卷，準(zhǔn)確性和實(shí)用性都不盡如人意。另外，當(dāng)前臨床廣泛應(yīng)用的核磁共振、PET等醫(yī)學(xué)影像手段在A(yíng)D的診斷和早期篩查中效果有限，這些檢查的大規(guī)模使用由于經(jīng)濟(jì)性和便利性的原因也都難以普及。

給基因突變和腦區(qū)功能變化“牽線(xiàn)”

AD被定義為由多種復(fù)雜因素共同導(dǎo)致的腦退行性疾病，是老年癡呆最常見(jiàn)的一種類(lèi)型。目前，研究人員已開(kāi)發(fā)出多種檢測(cè)技術(shù)以幫助臨床工作者了解病情，如核磁共振、PET等醫(yī)學(xué)影像檢查手段。

“但實(shí)際上，除了少數(shù)病人的大腦在疾病中晚期可能有一些諸如海馬硬化、萎縮等改變外，AD早期在影像上基本沒(méi)有明顯改變，導(dǎo)致早期識(shí)別AD幾乎成為臨床醫(yī)生無(wú)法完成的任務(wù)。因此，傳統(tǒng)醫(yī)學(xué)影像分析在A(yíng)D的早期診斷上幾乎是無(wú)效的，確診只能依賴(lài)于臨床醫(yī)生的經(jīng)驗(yàn)?！眳⑴c該研究的美國(guó)哈佛大學(xué)醫(yī)學(xué)院和麻省總醫(yī)院助理教授李響表示。

研究發(fā)現(xiàn)，AD患者在基因組學(xué)層面上表現(xiàn)不同，大量致病基因被陸續(xù)報(bào)道出來(lái)；微觀(guān)層面上的基因突變會(huì)深刻影響神經(jīng)元活動(dòng)，是導(dǎo)致大腦從正常狀態(tài)逐漸演化為異常狀態(tài)的主要驅(qū)動(dòng)因素。

《細(xì)胞》曾發(fā)表過(guò)一項(xiàng)研究，發(fā)現(xiàn)一批特定的基因?qū)ι窠?jīng)回路的形成與演變有著重要的調(diào)控作用。那么，AD患者微觀(guān)層面的基因突變究竟是如何改變大腦結(jié)構(gòu)和功能模式的？

“微觀(guān)的基因突變與宏觀(guān)的腦區(qū)功能變化之間存在著怎樣的具體聯(lián)系，目前科學(xué)界仍無(wú)定論?！碑呄陌舱f(shuō)，生命科學(xué)領(lǐng)域的研究已進(jìn)入大數(shù)據(jù)時(shí)代，但各種醫(yī)療數(shù)據(jù)的異質(zhì)性和不平衡性帶來(lái)了信息融合困難、數(shù)據(jù)挖掘效率低等問(wèn)題。

畢夏安說(shuō)，一個(gè)人得了AD，除了通過(guò)影像手段檢查，另一種方法是通過(guò)基因突變發(fā)現(xiàn)，因?yàn)槟X區(qū)的功能變化可能是基因突變導(dǎo)致。基因是網(wǎng)絡(luò)化運(yùn)作的，人說(shuō)話(huà)這個(gè)舉動(dòng)，就是若干個(gè)腦區(qū)被同時(shí)激活后完成的。而激活若干個(gè)腦區(qū)的源頭就是基因網(wǎng)絡(luò)，二者之間到底是一種怎樣的映射關(guān)系或映射模式？團(tuán)隊(duì)當(dāng)前要做的就是給它們“牽線(xiàn)搭橋”。

臨床上，醫(yī)學(xué)影像等檢測(cè)技術(shù)能提供種類(lèi)豐富的數(shù)據(jù)，每種數(shù)據(jù)都為疾病診療提供一幅視圖，但這些視圖都只能看到疾病的某一個(gè)面。幾年前，有學(xué)者提出“多視圖學(xué)習(xí)”概念，能夠充分利用視圖間的互補(bǔ)性與一致性提升AI檢測(cè)效率。

為此，科研團(tuán)隊(duì)提出了基于A(yíng)I技術(shù)的疾病早期診斷與風(fēng)險(xiǎn)預(yù)測(cè)新思路，融合AD患者早期的腦影像組和基因組數(shù)據(jù)，借助患者的微觀(guān)視圖與宏觀(guān)視圖構(gòu)建了多視圖結(jié)構(gòu)信息映射模型，提出結(jié)構(gòu)映射生成對(duì)抗網(wǎng)絡(luò)算法，通過(guò)基因網(wǎng)絡(luò)可以精準(zhǔn)生成大腦的功能網(wǎng)絡(luò)。

“我們?cè)诎柎暮Ｄ∩窠?jīng)影像學(xué)計(jì)劃（ADNI）數(shù)據(jù)庫(kù)中，提取了197個(gè)早期輕度認(rèn)知功能障礙、203個(gè)晚期輕度認(rèn)知功能障礙和233個(gè)AD患者的數(shù)據(jù)信息做驗(yàn)證，取得了可喜結(jié)果。”畢夏安介紹，在A(yíng)D的多階段診斷與風(fēng)險(xiǎn)預(yù)測(cè)任務(wù)中，團(tuán)隊(duì)提出的算法模型的診斷準(zhǔn)確率分別達(dá)到了74.2%與84.5%，這比當(dāng)前已有的先進(jìn)診斷方法平均高出10個(gè)百分點(diǎn)。

有望抽管血就可診斷和預(yù)測(cè)AD

畢夏安表示，在可解釋性方面，團(tuán)隊(duì)基于網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)了清晰可回溯的卷積操作，每一步操作都與明確的生物醫(yī)療背景相對(duì)應(yīng)，可為AD的智慧醫(yī)療提供一種高效、可靠的AI技術(shù)。該技術(shù)具有良好的泛化性，可用同一種方法廣泛捕獲到AD中的基因數(shù)據(jù)和腦影像數(shù)據(jù)之間的映射模式，解決AI醫(yī)療大模型中的核心技術(shù)難點(diǎn)。

“目前抽血做全基因組測(cè)試可判斷早期A(yíng)D風(fēng)險(xiǎn)，但并不知道基因如何引起大腦功能的改變，且大腦改變是不可視的。基于團(tuán)隊(duì)算法，個(gè)體基因數(shù)據(jù)可直接映射出對(duì)應(yīng)的腦網(wǎng)絡(luò)?！碑呄陌舱f(shuō)，未來(lái)這一算法模型投入臨床后，有望只抽取一管血，進(jìn)而做全基因組測(cè)序，就可判斷出一個(gè)人是否患有AD，并可預(yù)測(cè)他將來(lái)某個(gè)時(shí)間患病的風(fēng)險(xiǎn)概率，省去后續(xù)進(jìn)一步的腦影像等檢查環(huán)節(jié)。

畢夏安強(qiáng)調(diào)，科研團(tuán)隊(duì)、醫(yī)療機(jī)構(gòu)、醫(yī)療企業(yè)等之間開(kāi)展充分的協(xié)作是這一技術(shù)落地的關(guān)鍵。團(tuán)隊(duì)將繼續(xù)推進(jìn)更大規(guī)模的多視圖AI模型開(kāi)發(fā)。

IEEE TPAMI審稿人認(rèn)為，這是一項(xiàng)多視圖學(xué)習(xí)和生物醫(yī)學(xué)交叉領(lǐng)域的開(kāi)創(chuàng)性工作，創(chuàng)新性地從視圖映射角度提出一種泛化性良好的深度學(xué)習(xí)算法。探索從一幅視圖到另一幅視圖的映射模式是目前AI領(lǐng)域研究所缺乏的，相信該研究有望精簡(jiǎn)AD早期診斷與疾病風(fēng)險(xiǎn)預(yù)測(cè)流程，產(chǎn)出更有價(jià)值的下游應(yīng)用。

相關(guān)論文信息：https://doi.org/10.1109/TPAMI.2023.3330795

《中國(guó)科學(xué)報(bào)》 (2023-12-04 第3版 綜合)

原文鏈接：https://news.sciencenet.cn/sbhtmlnews/2023/12/377354.shtm