准确率可达77%!IBM使用机器学习,早诊阿兹海默病再进一步
药明康德 · 2019/03/18
IBM澳大利亚团队开发了新的机器学习算法,仅检查血液中四种蛋白质的水平,就能预测β淀粉样蛋白在脊髓液中的含量,准确率高达77%。

本文转载自“药明康德”。

关于阿兹海默病,目前人们普遍认为β淀粉样蛋白是与疾病发展密切相关的生化指标之一。在阿兹海默病导致健忘之前,这种蛋白质就已经开始在脊髓液中逐渐累积。

然而,检测β淀粉样蛋白并非易事。这种蛋白质存在于脊髓液中,想要对这一指标进行检测必须采取侵入型的医疗方法:腰椎穿刺。这种检查不仅听上去很痛,实际上也很痛,而且费用十分高昂。


为了寻找能替代腰椎穿刺的检查方法,IBM澳大利亚团队开发了新的机器学习算法,仅检查血液中四种蛋白质的水平,就能预测β淀粉样蛋白在脊髓液中的含量,准确率高达77%。展示这则研究的论文发表在了《Scientific Reports》上。

与其他的阿兹海默病研究相似,新研究也使用了阿兹海默病神经成像计划(ADNI)中的影像数据。研究人员共研究了数据库中566人的数据,其中182人携带有APOEε4基因突变,这种基因突变被认为会增加晚发性阿兹海默病的发病风险。

IBM的研究中还从ADNI中取得了近400种在血液化验中获得的蛋白质指标。通过机器学习算法,最终确定了四种预测β淀粉样蛋白的最佳指标,分别是:嗜铬粒蛋白A、Aβ1–42、Eotaxin 3和载脂蛋白E。通过与其他血液化验结果及已有基因预测模型的对比,新算法的预测准确率更令人满意。

其实,我们也介绍过利用PET扫描影像来预测阿兹海默病的方法。IBM的研究人员之所以选择了血液化验中的蛋白质指标,是因为他们认为在PET扫描显示出阿兹海默病征兆的10年前,β淀粉样蛋白就已经出现在脑脊液中了。因而验血可以帮助人们更早对潜在的患病风险做出应对。

针对有高患病风险的人群进行血液化验可以大大降低医疗费用,也能够尽可能减少侵入性检验造成的不适。


图片来源:Pixabay

当前,阿兹海默病疗法和新药的研发遇到了很多困难。造成相关药物研发失败的原因之一,可能是进入临床试验的患者多处于患病晚期,其脑部损伤已经难以复原。

如果能大幅提前发现阿兹海默病的时间,有可能极大地帮助阿兹海默病疗法的研发。让更多通过机器学习发现的早期患病人群进入试验,可以改变现有阿兹海默病药物研发的尴尬局面。

除了β淀粉样蛋白之外,tau蛋白也被认为与阿兹海默病有关。IBM的研究团队也正在尝试使用类似的方法,在血液化验中找到能预测tau蛋白的生物标记物。

无论是血液检测、蛋白质检测、还是PET影像分析,都越来越离不开机器学习和人工智能技术的辅助。相信AI技术最终将会帮助人们彻底了解阿兹海默病,并找出早期诊断和预防的有效方法。

查看更多
发表评论 我在frontend\modules\comment\widgets\views\文件夹下面 test