阿爾茲海默病的隱藏風(fēng)險因素有望被人工智能技術(shù)檢測

全球大約有5000萬人患阿爾茲海默病或其它形式的癡呆癥，年齡是患該病的最大風(fēng)險因素，研究人員認(rèn)為，大部分阿爾茲海默病的患病原因都是基因和其它因素之間發(fā)生復(fù)雜相互作用所引起的，但他們并不清楚這些因素及其在患病中所扮演的關(guān)鍵角色。

來自南加州大學(xué)的科學(xué)家們就利用機(jī)器學(xué)習(xí)（machine learning）的技術(shù)鑒別出了指示阿爾茲海默病的潛在血液標(biāo)志物，其或能幫助研究人員對該病進(jìn)行早期診斷，并開發(fā)出無創(chuàng)手段來追蹤患者疾病的進(jìn)展?fàn)顩r；機(jī)器學(xué)習(xí)是人工智能（ai）技術(shù)的一個子集，即賦予電腦特殊能力，在不進(jìn)行確切編程的情況下來進(jìn)行學(xué)習(xí)。

研究者paul thompson說道，這種類型的分析是一種新方法，其能發(fā)現(xiàn)特殊的數(shù)據(jù)模式從而識別出阿爾茲海默病診斷標(biāo)志物，在一個非常大的健康測量數(shù)據(jù)庫中，該技術(shù)能幫助發(fā)現(xiàn)阿爾茲海默病的預(yù)測性特征；相關(guān)研究結(jié)果發(fā)表于frontiers in aging neuroscience雜志上。

如何鑒別特殊的生物標(biāo)志物

迄今為止，絕大多數(shù)阿爾茲海默病領(lǐng)域的相關(guān)研究都重點關(guān)注研究者提出的一些假設(shè)，比如大腦中淀粉樣斑塊和tau蛋白的積累，事實證明，測量這兩種指標(biāo)的技術(shù)在血液中都難以進(jìn)行測定。因此，診斷測試在很大程度上基于患者的記憶，但不幸的是，當(dāng)一個人開始表現(xiàn)出失憶跡象時，其可能患這種病已經(jīng)幾十年了。在患者出現(xiàn)癥狀之前發(fā)現(xiàn)疾病，是通過藥物和生活方式改變來改變患者生活質(zhì)量最為關(guān)鍵的一步。

圖片來源：commons.wikimedia.org

本文研究中，研究人員想知道是否還存在一些阿爾茲海默病的隱藏指標(biāo)，即通過常規(guī)血液檢測無法發(fā)現(xiàn)的因素，但當(dāng)我們不知道在尋找什么時又如何找到這些指標(biāo)呢？隨后研究者將注意力轉(zhuǎn)移到機(jī)器學(xué)習(xí)技術(shù)上；2013年，研究者greg ver steeg開發(fā)了一種名為correlation explanation（corex，關(guān)聯(lián)性解釋）的先進(jìn)機(jī)器學(xué)習(xí)技術(shù)，其能有效梳理出被大量數(shù)據(jù)所淹沒的區(qū)域模式，包括神經(jīng)科學(xué)、心理學(xué)和財務(wù)等，同一年，計算生物學(xué)家shirley pepke也用這種算法研究了自身的癌癥。

在這項研究中，研究人員的目的就是利用相同的算法來揭示與阿爾茲海默病相關(guān)的隱藏因子或關(guān)聯(lián)性因子簇。ver steeg說道，目前并沒有單一的預(yù)測因素來幫助預(yù)測一個人是否有認(rèn)知能力下降的趨勢，但或許一系列指標(biāo)的集合或許就是最好的信號，我們的研究問題在于是否能用這種算法找到一組特征，而相比任何單獨測量的因素而言，這種特征都能夠更好地進(jìn)行阿爾茲海默病的預(yù)測。

關(guān)系集群

研究者對來自阿爾茨海默氏癥神經(jīng)影像計劃數(shù)據(jù)庫中的829名老年人進(jìn)行研究，對手機(jī)的醫(yī)學(xué)記錄信息進(jìn)行分析來識別在過去一年里這些個體認(rèn)知功能下降和大腦萎縮的指標(biāo)；參與者被分為三種不同的診斷類群：認(rèn)知正常組、輕度認(rèn)知損傷組和阿爾茲海默病組；這些研究數(shù)據(jù)包括從腦成像、遺傳學(xué)、血漿和人口統(tǒng)計學(xué)信息中收集的400多個生物標(biāo)志物。

圖片來源：neurowiki2014.wikidot.com

當(dāng)研究者通過算法來運行數(shù)據(jù)時，不同的關(guān)系集群（distinct clusters of relationships）就會出現(xiàn)，淀粉樣蛋白和tau蛋白非常重要，但算法揭示這也與心血管健康、激素水平、代謝和免疫系統(tǒng)反應(yīng)存在強相關(guān)關(guān)系；比如，較低的維生素b12水平是心血管疾病的風(fēng)險因子，研究者能其與一種稱為基質(zhì)金屬蛋白酶的酶類和t細(xì)胞分泌的蛋白質(zhì)相結(jié)合。

研究者thompson說道，由于此前已經(jīng)確定了某些測量指標(biāo)的關(guān)系，而且這些指標(biāo)也與阿爾茲海默病發(fā)病風(fēng)險直接相關(guān)，因此本文研究就表明，不同特征之間的協(xié)同作用要比單一特征在預(yù)測阿爾茲海默病上更加有效。也許僅僅解決其中的一個問題并不能帶來很大的不同，但是解決一系列的問題可能有助于降低患這種疾病的風(fēng)險。

最后研究者表示，目前科學(xué)家們發(fā)現(xiàn)了越來越多的生物標(biāo)志物來進(jìn)行疾病的早期診斷及更好地預(yù)測疾病，同時其還能提供血液檢測的新型靶點，未來研究人員希望能夠進(jìn)行更大規(guī)模的研究來證實本文的研究結(jié)果，同時他們還希望利用這種新型的算法尋找指示多種疾病的隱藏呈現(xiàn)因素，比如精神分裂癥和抑郁癥等。

參考資料：

researchers use ai to detect early signs of alzheimer's

nearly 50 million people worldwide have alzheimer's disease or another form of dementia. while age is the greatest risk factor for developing the disease, researchers believe most alzheimer's cases occur as a result of complex interactions among genes and other factors. but those factors and the role they play are not known—yet.

in a new study, usc researchers used machine learning to identify potential blood-based markers of alzheimer's disease that could help with earlier diagnosis and lead to non-invasive ways of tracking the progress of the disease in patients. the method was developed by usc computer science research assistant professor greg ver steeg, a senior research lead at the usc information sciences institute (isi). machine learning is a subset of artificial intelligence (ai) that gives computers the ability to learn without being explicitly programmed......

原標(biāo)題：科學(xué)家有望利用人工智能技術(shù)來檢測阿爾茲海默病的“隱藏”風(fēng)險因素