人工智能可诊断阿尔茨海默病和帕金森病

据西班牙格拉纳达大学报道，西班牙格拉纳达大学和马拉加大学的研究人员设计出一种技术，旨在对高级数据抽象建模，通过自动获取所关注的影响区域，让计算机学会区分健康人和病人的大脑。

阿尔茨海默病（Alzheimer’s disease）目前影响了4000多万人，是老年人最常见的神经退行性疾病。早期诊断对疾病治疗和新药开发都至关重要，目前还没有找到治愈办法。已证明阿尔茨海默病的发生与灰质相关的结构性改变及白质相关的功能性改变密切相关，前者负责处理信息，后者通过大脑连接网络中的纤维连接大脑各区域，大量纤维受损也能引起功能性改变，例如记忆丧失。虽然已取得了科学进展，但诊断仍然是一项挑战。到目前为止，还无法确定功能性大脑活动如何损害结构性大脑活动，反之亦然，但这却是更好地了解这类疾病发生机制的关键因素。

在这一方面，计算机辅助诊断(CAD)是一种重要工具，因为它能帮助医生理解通过在病人身上进行的实验而得到的多媒体内容，这能让治疗变得更简单、更有效。其中一种是医学成像，能针对目标提供高分辨率的“现场”信息，使医生能利用从图像获得的疾病相关信息。西班牙马拉加大学（University of Malaga）和格拉纳达大学（University of Granada）的研究人员携手合作，多年来一直在研究生物医学图像和信号。

最近，研究人员在著名期刊《国际神经系统杂志》（International Journal Of Neural Systems）上发表了名为“用于阿尔茨海默病早期诊断的深度学习架构组合”的短文。这项研究提出了利用深度学习技术融合功能性图像和结构性图像来诊断阿尔茨海默病的方法。

该人工智能技术旨在对高级数据抽象建模，通过自动获取所关注的影响区域，让计算机学会区分健康人和病人的大脑。根据研究人员的解释，“该研究利用深度学习技术计算大脑功能预测方法和磁共振成像，预防阿尔茨海默病。为了实现这一目标，我们使用了不同的神经网络，对大脑的每个区域进行建模，然后再把它们结合起来。”

该研究探索建立了基于深度学习架构的分类方法，这类框架应用于自动解剖标签(automated anatomical labeling, AAL)这种人类大脑数字地图划分的各大脑区域。为此，根据自动解剖标签划分的不同区域类别对大脑各区域的灰质图像进行分类，用于训练针对大脑不同区域的各深度学习神经网络。然后，这些网络获得的知识就通过发表文章中所描述的各种融合技术结合起来。

这项工作的成果是得到了强大的分类架构，结合监督学习和无监督学习自动提取与图像集最相关的特征。这种方法已经过阿尔茨海默病神经影像计划（Alzheimer's Disease Neuroimaging Initiative， ADNI）的大型数据库评估。

这项工作已经包含有其他认知缺陷、会在两年内发展成阿尔茨海默病的病人，工作成果说明了人工智能技术有望揭示与这种病相关的特征。诊断得到的准确率让我们在了解阿尔茨海默病发展所涉及的神经退变过程方面前进了一大步，也成为了开发更有效医疗治疗的起点。另一方面，开发的这项技术还能作为提高帕金森病等其他痴呆病诊断准确性的起点。

此外，这种方法正应用于西班牙经济与竞争力部（Ministry of Economy and Competitiveness）赞助的项目中，旨在提高诊断，研究阅读困难等学习障碍的生物起源。