耗時8年影像分析 賓州大學訓練AI揪出神經退化特徵

記者／劉閔

由於腦部的老化，時常伴隨腦內某些區域會出現萎縮或結構上的微小變化，不過這些人眼難以查明的醫學影像變化，已有科學家成功以機器學習方法來判讀微弱的異常。日前，美國賓州大學團隊透過深度學習的 AI 方法，並針對近 5 萬份腦部核磁共振（MRI）掃描影像分析，找出老化和神經退化性疾病相關的腦部萎縮模式。該研究發表於《Nature Medicine》期刊上。

歷經 8 年才完成並發表

來自賓州大學放射學教授克里斯托・達瓦齊科斯（Christos Davatzikos）指出，本次帶領團隊進行一項號稱規模和數據量都極大的研究，並且在歷經 8 年的時間才完成並發表。他表示藉由一項名為「Surreal-GAN」的深度學習方法，並運用 1,150 名年齡介於20 至 49 歲間的健康人，以及 8,992 名老年人的腦部 MRI 數據訓練而成。

更多新聞：美國隊長的人體冷凍技術 是偽科學騙局嗎

分析出 5 種不同的腦部萎縮模式

接著團隊針對參與多項老化與神經健康研究的近 5 萬份 MRI 數據進行掃描，分析出 5 種不同的腦部萎縮模式，包括皮質下萎縮、內側顳葉萎縮、頂葉－顳葉萎縮、瀰漫性皮質萎縮、臨側裂萎縮。與此同時，研究人員也將各類型年齡相關的腦部退化現象進一步與這 5 種模式連結起來。例如，失智症及被視為失智前的輕度認知障礙，可與其中 3 種模式有關；而帕金森氏症和阿茲海默症等疾病也可尋找到對應的模式。此外，其中 3 種模式的組合更可用來預測死亡率。

而研究團隊也聲稱，他們目前也正在探究更多神經系統疾病的影像學資訊、以及搜集更大種族和民族多樣性的數據集，期望可進一步幫助擴大此研究應用。

※探索職場，透視薪資行情，請參考【科技類-職缺百科】幫助你找到最適合的舞台！

瀏覽 29,344 次