Peneliti Gunung Sinai menggunakan metode berbasis AI yang tidak bias untuk mempelajari penyebab gangguan kognitif


Peneliti Gunung Sinai telah menggunakan metode kecerdasan buatan baru untuk mempelajari fitur struktural dan seluler jaringan otak manusia untuk menentukan penyebab penyakit Alzheimer dan gangguan terkait lainnya. Tim peneliti menemukan bahwa memeriksa penyebab gangguan kognitif menggunakan metode berbasis AI yang tidak bias – berbeda dengan penanda tradisional seperti plak amiloid – menemukan kelainan mikroskopis tak terduga yang dapat memprediksi adanya gangguan kognitif. Hasil ini dipublikasikan di jurnal Acta Neuropathologica Communications pada 20/09

AI mewakili paradigma baru untuk studi demensia dan akan memiliki dampak transformatif pada studi penyakit otak yang kompleks, khususnya penyakit Alzheimer. Pendekatan pembelajaran mendalam telah diterapkan untuk memprediksi gangguan kognitif, masalah yang menantang yang saat ini tidak ada alat diagnostik histopatologi yang dilakukan manusia.”


John Crary, MD, PhD, Penulis Bersama, Profesor Patologi, Kedokteran Berbasis Sel dan Molekuler, Ilmu Saraf, dan Kecerdasan Buatan dan Kesehatan Manusia, Fakultas Kedokteran Icahn di Gunung Sinai

Tim Mount Sinai mengidentifikasi dan menganalisis arsitektur yang mendasari dan fitur seluler dari dua wilayah di otak, lobus temporal medial dan korteks frontal. Dalam upaya untuk meningkatkan standar penilaian otak postmortem untuk mengidentifikasi tanda-tanda penyakit, para peneliti menggunakan algoritma pembelajaran mendalam yang dipantau rendah untuk menghasilkan gambar slide otopsi jaringan otak manusia dari sekelompok lebih dari 700 donor lansia yang menyelidiki untuk memprediksi kehadirannya. atau tidak adanya gangguan kognitif. Pendekatan pembelajaran dalam yang diawasi dengan lemah mampu memproses sumber yang bising, terbatas, atau tidak tepat untuk memberikan sinyal untuk memberi label pada sejumlah besar data pelatihan dalam lingkungan pembelajaran yang diawasi. Model pembelajaran mendalam ini digunakan untuk mendeteksi pengurangan pewarnaan Luxol Fast Blue, yang digunakan untuk mengukur jumlah mielin, lapisan pelindung di sekitar saraf otak. Model pembelajaran mesin mengidentifikasi sinyal gangguan kognitif yang terkait dengan penurunan jumlah pewarnaan mielin; tersebar dalam pola yang tidak rata di seluruh kain; dan berfokus pada materi putih, yang memengaruhi pembelajaran dan fungsi otak. Dua set model yang dilatih dan digunakan oleh para peneliti mampu memprediksi adanya gangguan kognitif dengan akurasi yang lebih baik daripada tebakan acak.

Also Read :  Lensa augmented reality Snapchat untuk mengajari pengguna CPR

Dalam analisis mereka, para peneliti percaya bahwa pengurangan intensitas pewarnaan di area spesifik otak yang diidentifikasi oleh AI dapat berfungsi sebagai platform terukur untuk menilai adanya kerusakan otak pada penyakit terkait lainnya. Metodologi tersebut membentuk dasar untuk studi di masa depan, yang dapat mencakup penyebaran model kecerdasan buatan pada skala yang lebih besar, serta menguraikan algoritma lebih lanjut untuk meningkatkan akurasi dan keandalan prediktifnya. Tim mengatakan tujuan akhir dari program penelitian neuropatologi ini adalah untuk mengembangkan alat yang lebih baik untuk mendiagnosis dan mengobati orang yang menderita penyakit Alzheimer dan gangguan terkait.

Also Read :  Pasar Inggris jatuh lagi karena IMF meledakkan 'pemotongan pajak yang tidak didanai' oleh Investing.com

“Memanfaatkan AI memungkinkan kita untuk mempelajari lebih banyak sifat terkait penyakit secara eksponensial, pendekatan yang kuat ketika diterapkan pada sistem yang kompleks seperti otak manusia,” kata rekan penulis Kurt W. Farrell, PhD, asisten profesor patologi, molekuler dan ilmu saraf Cell- Berdasarkan Kedokteran, Ilmu Saraf dan Kecerdasan Buatan dan Kesehatan Manusia di Icahn Gunung Sinai. “Sangat penting untuk melakukan penelitian interpretasi lebih lanjut di bidang neuropatologi dan kecerdasan buatan sehingga kemajuan dalam pembelajaran mendalam dapat diterjemahkan untuk meningkatkan pendekatan diagnostik dan pengobatan secara aman dan efektif untuk penyakit Alzheimer dan gangguan terkait.”

Also Read :  Oh dengar, itu suara simulasi yang mengambil alih - The Heights

Penulis utama Andrew McKenzie, MD, PhD, Co-Chief Resident for Research di Departemen Psikiatri di Icahn Mount Sinai, menambahkan: “Analisis interpretatif mampu mengidentifikasi beberapa, tetapi tidak semua, sinyal yang digunakan kecerdasan buatan untuk membuat prediksi tentang gangguan kognitif. Akibatnya, tantangan tambahan tetap ada untuk penerapan dan interpretasi model pembelajaran mendalam yang kuat ini di bidang neuropatologi.”

Para peneliti dari Pusat Ilmu Kesehatan Universitas Texas di San Antonio, Texas, Universitas Newcastle di Tyne, Inggris, Fakultas Kedokteran Universitas Boston di Boston, dan Pusat Medis UT Southwestern di Dallas juga berkontribusi dalam penelitian ini. Studi ini didukung oleh hibah dari National Institute of Neurological Disorders and Stroke, National Institute on Aging, dan Tau Consortium dari Rainwater Charitable Foundation.

Sumber:

Sistem Kesehatan Gunung Sinai

Referensi majalah:

McKenzie, AT, dkk. (2022) Pembelajaran mendalam yang dapat ditafsirkan dari histopatologi mielin pada gangguan kognitif terkait usia. Acta Neuropathologica Komunikasi. doi.org/10.1186/s40478-022-01425-5.



Source link