Alzheimer: Cercetătorii creează un model pentru a prezice declinul
Cercetătorii de la Institutul de Tehnologie din Massachusetts au dezvoltat un model de învățare automată care ar putea prezice rata declinului cognitiv legat de Alzheimer timp de până la 2 ani în viitor.
Boala Alzheimer afectează milioane de oameni din întreaga lume, dar oamenii de știință încă nu știu ce o provoacă.
Din acest motiv, strategiile de prevenire pot fi lovite și ratate. Mai mult, profesioniștii din domeniul sănătății nu au o modalitate clară de a determina rata de declin cognitiv a unei persoane, după ce medicul le-a diagnosticat Alzheimer.
Acum, cercetătorii de la Massachusetts Institute of Technology (MIT) din Cambridge - în colaborare cu specialiști din alte instituții - au dezvoltat un model de învățare automată care ar putea permite specialiștilor să prezică cât de mult se va schimba funcționarea cognitivă a unei persoane cu până la 2 ani în avans de acest declin devenind stabilit.
Echipa - formată din Ognjen Rudovic, Yuria Utsumi, Kelly Peterson, Ricardo Guerrero, Daniel Rueckert și prof. Rosalind Picard - își va prezenta proiectul în cursul acestei săptămâni la conferința Machine Learning for Healthcare. Conferința din acest an va avea loc la Ann Arbor, MI.
Predicția exactă a declinului cognitiv de la 6 la 24 de luni este esențială pentru proiectarea studiilor clinice, explică Rudovic. Acest lucru, adaugă el, se datorează faptului că „[capabil să prevadă cu precizie modificările cognitive viitoare poate reduce numărul de vizite pe care trebuie să le facă participantul, care poate fi costisitor și consumator de timp”.
„În afară de a ajuta la dezvoltarea unui medicament util”, continuă cercetătorul, „scopul este de a ajuta la reducerea costurilor studiilor clinice pentru a le face mai accesibile și realizate la scări mai mari.”
Folosirea meta-învățării pentru a prezice declinul
Pentru a-și dezvolta noul model, echipa a folosit date din Inițiativa de Neuroimagerie a Bolii Alzheimer (ADNI), care este cel mai mare set de date de studii clinice pentru boala Alzheimer din lume.
Prin ADNI, cercetătorii au putut accesa datele a aproximativ 1.700 de persoane - unele cu și altele fără boala Alzheimer - colectate pe parcursul a 10 ani.
Echipa a avut acces la informații clinice, inclusiv evaluări ale funcționării cognitive ale participanților, scanări ale creierului, date privind structura ADN-ului indivizilor și măsurători ale lichidului cefalorahidian, care dezvăluie biomarkerii bolii Alzheimer.
Ca prim pas, cercetătorii și-au dezvoltat și testat modelul de învățare automată folosind datele dintr-un subgrup de 100 de participanți. Cu toate acestea, au lipsit o mulțime de date despre această cohortă. Deci, anchetatorii au decis să utilizeze o abordare statistică diferită pentru a analiza datele disponibile ale cohortei într-un mod care ar face analiza mai precisă.
Totuși, noul model nu a atins nivelul de precizie la care se așteptau dezvoltatorii săi. Pentru a o face și mai precisă, cercetătorii au folosit date de la o altă subcohortă de participanți la ADNI.
De data aceasta, însă, echipa a decis să nu aplice același model tuturor. În schimb, au personalizat modelul pentru a se potrivi fiecărui participant, luând date noi pe măsură ce deveneau disponibile după fiecare nouă evaluare clinică.
Cu această abordare, cercetătorii au descoperit că modelul a condus la o rată de eroare semnificativ mai mică în predicțiile sale. Mai mult decât atât, a funcționat mai bine decât modelele existente de învățare automată aplicate datelor clinice.
Cu toate acestea, cercetătorii au făcut un pas mai departe pentru a se asigura că abordarea lor a lăsat loc pentru cât mai puține erori posibil. Au continuat să elaboreze un model de „meta învățare” care poate alege cea mai bună abordare pentru a prezice rezultatele cognitive la fiecare participant.
Acest model alege automat între populația generală și abordarea personalizată, calculând care dintre ele va oferi cel mai probabil cea mai bună predicție pentru o anumită persoană într-un anumit moment.
Cercetătorii au descoperit că această abordare a redus rata de eroare pentru predicții cu până la 50% în plus.
„Nu am putut găsi un singur model sau o combinație fixă de modele care să ne ofere cea mai bună predicție”, explică Rudovic.
„Așa că am vrut să învățăm cum să învățăm cu această schemă meta de învățare. Este ca un model deasupra unui model care acționează ca un selector, instruit folosind meta cunoștințe pentru a decide ce model este mai bine să fie implementat. "
Ognjen Rudovic
În viitor, echipa își propune să formeze un parteneriat cu o companie farmaceutică pentru a testa acest model într-un proces în curs de desfășurare a bolii Alzheimer.
