Nat Commun：人工智能促進(jìn)阿爾茲海默癥的研究

來源：作者：人氣：-發(fā)表時(shí)間：2019-05-17 12:44:00【大中小】

加州大學(xué)戴維斯分校和加州大學(xué)舊金山分校的研究人員已經(jīng)找到了一種方法來訓(xùn)練計(jì)算機(jī)精確檢測人類大腦組織中阿爾茨海默病的生物標(biāo)志物。

淀粉樣斑塊是阿爾茨海默病患者大腦中蛋白質(zhì)碎片的團(tuán)塊，可破壞神經(jīng)細(xì)胞的連接。加州大學(xué)科學(xué)家團(tuán)隊(duì)開發(fā)的機(jī)器學(xué)習(xí)工具可以“看到”腦組織樣本是否有一種類型的淀粉樣蛋白斑塊，并且很快就能完成。

該研究結(jié)果于5月15日發(fā)表在Nature Communications上，表明機(jī)器學(xué)習(xí)可以增強(qiáng)專家神經(jīng)病理學(xué)家的專業(yè)知識(shí)和分析。該工具允許他們分析數(shù)千倍的數(shù)據(jù)，并提出即使是訓(xùn)練有素的人類專家的有限數(shù)據(jù)處理能力也無法實(shí)現(xiàn)的新問題。

“我們?nèi)匀恍枰±韺W(xué)家，”加州大學(xué)戴維斯分校加州大學(xué)戴維斯分校病理學(xué)和檢驗(yàn)醫(yī)學(xué)系助理教授，該研究的主要作者布列塔尼N. Dugger博士說。 “這是一個(gè)工具，就像鍵盤一樣用于寫作。由于鍵盤有助于編寫工作流程，數(shù)字病理學(xué)與機(jī)器學(xué)習(xí)相結(jié)合可以幫助進(jìn)行神經(jīng)病理學(xué)工作流程。”

在這項(xiàng)研究中，她與加州大學(xué)舊金山分校神經(jīng)退行性疾病研究所和藥物化學(xué)系助理教授Michael J. Keizer博士合作，確定他們是否可以教一臺(tái)計(jì)算機(jī)來自動(dòng)識(shí)別和分析微小淀粉樣蛋白斑塊的繁瑣過程。各種類型的大片尸檢人腦組織。對(duì)于這項(xiàng)工作，Keiser和他的團(tuán)隊(duì)設(shè)計(jì)了一個(gè)“卷積神經(jīng)網(wǎng)絡(luò)”（CNN），這是一個(gè)計(jì)算機(jī)程序，旨在識(shí)別基于數(shù)千個(gè)人類標(biāo)記示例的模式。

為了創(chuàng)建足夠的訓(xùn)練樣例來教授CNN算法Dugger如何分析腦組織，UCSF團(tuán)隊(duì)與她合作設(shè)計(jì)了一種方法，允許她快速注釋或標(biāo)記來自50萬個(gè)特寫圖像的數(shù)萬張圖像。來自43個(gè)健康和患病大腦樣本的組織。

UCSF團(tuán)隊(duì)使用這個(gè)數(shù)以萬計(jì)的標(biāo)記示例圖像數(shù)據(jù)庫來訓(xùn)練他們的CNN機(jī)器學(xué)習(xí)算法，以識(shí)別阿爾茨海默病中所見的不同類型的大腦變化。這包括區(qū)分所謂的核心和彌漫性斑塊以及識(shí)別血管異常。研究人員表明，他們的算法可以處理整個(gè)腦片切片，準(zhǔn)確率為98.7％，速度僅受他們使用的計(jì)算機(jī)處理器數(shù)量的限制。然后，該團(tuán)隊(duì)對(duì)計(jì)算機(jī)的識(shí)別技能進(jìn)行了嚴(yán)格的測試，以確保其分析具有生物學(xué)上的有效性。

原始出處：Ziqi Tang, Kangway V. Chuang, Charles DeCarli, Lee-Way Jin, Laurel Beckett, Michael J. Keiser, Brittany N. Dugger Interpretable classification of Alzheimer’s disease pathologies with a convolutional neural network pipeline.Nature Communications, 2019; 10 (1) DOI: 10.1038/s41467-019-10212-1

https://www.nature.com/articles/s41467-019-10212-1