Alzheimerova choroba: Vědci vytvářejí model pro předpovídání poklesu
Vědci z Massachusetts Institute of Technology vyvinuli model strojového učení, který by mohl předpovědět míru kognitivního poklesu souvisejícího s Alzheimerovou chorobou až na 2 roky v budoucnosti.
Alzheimerova choroba postihuje miliony lidí na celém světě, přesto vědci stále nevědí, co ji způsobuje.
Z tohoto důvodu mohou být preventivní strategie zasaženy a zmeškány. Zdravotničtí pracovníci navíc nemají jasný způsob, jak určit míru kognitivního úbytku člověka, jakmile mu lékař diagnostikuje Alzheimerovu chorobu.
Nyní vědci z Massachusetts Institute of Technology (MIT) v Cambridge - ve spolupráci s odborníky z jiných institucí - vyvinuli model strojového učení, který by odborníkům umožnil předpovědět, jak moc se kognitivní funkce člověka změní až 2 roky předem toho, že se tento pokles ustálil.
Tým - Ognjen Rudovic, Yuria Utsumi, Kelly Peterson, Ricardo Guerrero, Daniel Rueckert a Prof. Rosalind Picard - představí svůj projekt koncem tohoto týdne na konferenci Machine Learning for Healthcare. Letošní konference se bude konat v Ann Arbor, MI.
"Přesná předpověď kognitivního poklesu ze 6 na 24 měsíců je pro navrhování klinických studií zásadní," vysvětluje Rudovic. Dodává, že to je proto, že „schopnost přesně předpovědět budoucí kognitivní změny může snížit počet návštěv, které musí účastník uskutečnit, což může být nákladné a časově náročné.“
„Kromě pomoci vyvinout užitečnou drogu,“ pokračuje výzkumník, „je cílem pomoci snížit náklady na klinické studie, aby byly cenově dostupnější a prováděny ve větším měřítku.“
Pomocí meta učení předvídat pokles
Při vývoji svého nového modelu použil tým data z Alzheimerovy choroby Neuroimaging Initiative (ADNI), což je největší soubor klinických studií s Alzheimerovou chorobou na světě.
Prostřednictvím ADNI měli vědci přístup k údajům přibližně 1700 lidí - někteří s Alzheimerovou chorobou a bez nich - shromážděných po dobu 10 let.
Tým měl přístup ke klinickým informacím, včetně hodnocení kognitivních funkcí účastníků, skenů mozku, údajů týkajících se složení DNA jednotlivců a měření mozkomíšního moku, které odhalují biomarkery Alzheimerovy choroby.
Jako první krok vědci vyvinuli a otestovali svůj model strojového učení s využitím dat od podskupiny 100 účastníků. O této kohortě však chybělo mnoho údajů. Vyšetřovatelé se tedy rozhodli použít jiný statistický přístup k analýze dostupných údajů kohorty způsobem, který by zpřesnil analýzu.
Nový model stále nedosahoval úrovně přesnosti, kterou jeho vývojáři očekávali. Aby to bylo ještě přesnější, vědci použili data z jiné podskupiny účastníků ADNI.
Tentokrát se však tým rozhodl proti aplikaci stejného modelu na všechny. Místo toho přizpůsobili model tak, aby vyhovoval každému účastníkovi, přičemž přijímal nová data, jakmile budou k dispozici po každém novém klinickém hodnocení.
S tímto přístupem vědci zjistili, že model vedl k výrazně nižší míře chyb ve svých předpovědích. Kromě toho fungoval lépe než stávající modely strojového učení použité pro klinická data.
Vědci přesto šli o krok dále, aby se ujistili, že jejich přístup ponechává prostor pro co nejméně chyb. Pokračovali v navrhování modelu „meta učení“, který může zvolit nejlepší přístup k předpovědi kognitivních výsledků u každého účastníka.
Tento model automaticky volí mezi celkovou populací a personalizovaným přístupem a vypočítává, který z nich s největší pravděpodobností nabídne nejlepší predikci pro daného jednotlivce v určitém časovém okamžiku.
Vědci zjistili, že tento přístup snížil chybovost předpovědí až o dalších 50%.
"Nemohli jsme najít jediný model nebo pevnou kombinaci modelů, které by nám poskytly nejlepší předpověď," vysvětluje Rudovic.
"Takže jsme se chtěli naučit, jak se učit pomocí tohoto meta-vzdělávacího schématu." Je to jako model nad modelem, který funguje jako selektor, trénovaný pomocí meta znalostí k rozhodnutí, který model je lepší nasadit. “
Ognjen Rudovic
Do budoucna si tým klade za cíl vytvořit partnerství s farmaceutickou společností za účelem testování tohoto modelu v probíhající studii Alzheimerovy choroby.
