AI-værktøj forudsiger Alzheimers progression mere præcist end tests

Kunstig intelligens overgår kliniske tests til at forudsige Alzheimers sygdomsprogression.

Cambridge-forskere har skabt et værktøj til kunstig intelligens (AI), der kan forudsige, om mennesker med tidlige tegn på demens vil forblive stabile eller udvikle Alzheimers sygdom. Dette værktøj er nøjagtigt i fire ud af fem tilfælde.

Denne nye tilgang kan reducere behovet for dyre og invasive tests, hvilket forbedrer tidlige behandlingsresultater. Tidlige indgreb, såsom livsstilsændringer eller ny medicin, er mest effektive på dette stadium.

Demens er et stort globalt sundhedsproblem, der påvirker over 55 millioner mennesker verden over og koster omkring 820 milliarder dollars årligt. Antallet af sager forventes at blive næsten tredoblet i løbet af de næste 50 år.

Alzheimers sygdom er hovedårsagen til demens, ansvarlig for 60-80% af tilfældene. Tidlig påvisning er afgørende for effektiv behandling, men de nuværende metoder involverer ofte invasive eller dyre tests som positron emission tomografi (PET) scanninger eller lumbale punkteringer, som ikke altid er tilgængelige.

På grund af disse begrænsninger kan op til en tredjedel af patienterne blive fejldiagnosticeret eller diagnosticeret for sent til effektiv behandling.

Et hold fra University of Cambridges Institut for Psykologi har udviklet en maskinlæringsmodel til at forudsige, hvor hurtigt personer med milde hukommelsesproblemer vil udvikle sig til Alzheimers. Deres forskning, offentliggjort i tidsskriftet eClinicalMedicine, viser, at denne model er mere nøjagtig end de nuværende kliniske diagnostiske værktøjer.

Forskerne byggede deres model ved hjælp af billige, ikke-invasive data, inklusive kognitive tests og MR-scanninger, der viser hjerneatrofi, fra over 400 personer i en amerikansk forskningskohorte.

De testede derefter modellen med data fra den virkelige verden fra 600 flere deltagere i USA og 900 personer fra hukommelsesklinikker i Storbritannien og Singapore.

Algoritmen kunne skelne mellem mennesker med stabil mild kognitiv svækkelse og dem, der ville udvikle Alzheimers inden for tre år. Den identificerede korrekt personer, der ville udvikle Alzheimers i 82 % af tilfældene, og dem, der ikke ville i 81 % af tilfældene, kun ved at bruge kognitive tests og MR-scanninger.

Denne algoritme var omkring tre gange mere nøjagtig end de nuværende metoder, hvilket reducerede chancerne for fejldiagnosticering.

Denne model gjorde det også muligt for forskere at klassificere mennesker med Alzheimers i tre grupper: dem, hvis symptomer ville forblive stabile (ca. 50%), dem, der ville udvikle sig langsomt (ca. 35%), og dem, der ville udvikle sig hurtigt (de resterende 15%).

Disse forudsigelser blev valideret med opfølgningsdata over seks år. Denne tidlige identifikation er afgørende for at anvende nye behandlinger og nøje overvåge patienter, der udvikler sig hurtigt.

For de 50 %, hvis symptomer forbliver stabile, foreslår modellen, at deres problemer kan skyldes andre årsager, såsom angst eller depression, og de kan følge forskellige kliniske veje.

Professor Zoe Kourtzi fra University of Cambridge sagde: “Vi har udviklet et værktøj, der kun bruger kognitive tests og MR-scanninger, men som er mere følsomt end nuværende metoder til at forudsige, om nogen vil udvikle sig til Alzheimers og hvor hurtigt.”

“Dette kan forbedre patientplejen betydeligt, vise hvem der har brug for tæt overvågning og lindre angst for dem, der forudsiges at forblive stabile. Det reducerer også behovet for unødvendige tests.”

Algoritmen blev valideret med data fra næsten 900 personer fra hukommelsesklinikker i Storbritannien og Singapore, hvilket viser, at den kunne bruges i kliniske omgivelser i den virkelige verden.

Dr. Ben Underwood, en honorær konsulent i psykiater ved CPFT og adjunkt ved University of Cambridge, fremhævede vigtigheden af ​​at reducere usikkerhed om hukommelsesproblemer hos ældre voksne, som kan forårsage bekymring og frustration.

Professor Kourtzi understregede behovet for bedre værktøjer til at tackle demens ved at identificere og gribe ind tidligt. Holdet sigter mod at udvide deres model til andre former for demens og forskellige typer data, såsom blodprøvemarkører.

“Vores mål er at opskalere vores AI-værktøj for at hjælpe klinikere med at tildele de rigtige patienter til de rigtige diagnostiske og behandlingsveje på det rigtige tidspunkt,” sagde professor Kourtzi. “Dette kan fremskynde opdagelsen af ​​nye lægemidler til behandling af demens.”

Kilde til information:

Robust og fortolkelig AI-guidet markør for tidlig demens forudsigelse i kliniske omgivelser i den virkelige verden. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725