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。
![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。](https://www.technice.com.tw/wp-content/uploads/2024/08/neurodegeneration-1024x535.jpg)
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 24,813 次