有數據顯示，每年有數百萬人會受到阿爾茨海默病（俗稱老年痴呆）的影響，而根據阿爾茨海默病協會（Alzheimer’s Association）的說法，該病症在美國是第六大死亡原因，比乳腺癌和前列腺癌的人數總和還要多。此外，該疾病的治療也很昂貴，如果可以被早期診斷出來便可節省大約7.9萬億美元的醫療與護理費。
Unlearn.AI是一家為臨床研究設計軟件工具的初創公司。在該公司的研究人員看來，人工智能在個性化診斷和治療方面起著重要的作用。根據他們發表在Arvix.org的一篇名為《利用深度學習對阿爾茨海默病進行全面個性化的預測》（Using deep learning for comprehensive, personalized forecasting of Alzheimer’s Disease progression）的論文，研究人員提出了一個預測疾病進展的系統，從本質上來說，是用於預測獨立病體在未來會經受的每個病症階段。
“兩名患有相同疾病的患者可能會出現不同的症狀，有不同的發病率進展，同時，對相同的治療手段有不同的反應，”研究人員寫道。“瞭解如何預測和管理病人之間的差異是精密醫學的主要目標。使用機器學習算法開發的疾病進展計算模型就提供了一個強有力的工具來對抗患者之間的異質性。”
不過，基於人工智能的追蹤神經性衰退疾病的工具並不是一個新鮮事物。在此之前，來自蒙特利爾麥吉爾大學的神經學家就開發了一種PET掃描-攝入算法，該算法在預測老年痴呆症上的準確率可達84%。此外，杜克大學和克羅地亞Rudjer Boskovic研究所的科學家們還利用機器學習來發現隨著時間的推移，大腦組織所發生的變化。
與之不同的是，Unlearn.AI的系統採用了一種無人監督的學習方法，換句話說，該算法使用的數據是沒有被分類或標註的。此外，它還可以同時計算一個病人的多個特徵的預測和置信區間。
從整個預測過程看，可分為兩個部分：
首先，研究小組採用了一種編碼的對抗機器（BEAM）來模擬臨床數據，這是一種非常適合分類和特徵建模任務的神經網絡。他們在對抗主要疾病（CAMD）的老年痴呆症在線存儲庫中對該神經網絡進行了訓練和測試。這個數據庫擁有1908位患者的18個月病症數據，涵蓋了42個變量，其中包括ADAS-Cog（一種被廣泛使用的認知亞量表）以及簡易精神狀態檢查表（Mini-Mental State Examination，一份用於檢測臨床和研究環境認知障礙的問卷）。
接著，研究小組使用經過訓練的模型來生成“虛擬病人”以及其相關的認知測試分數、實驗室測試和臨床數據。模擬是針對獨立病患進行的，以便在語言、定位和命名等領域探測其疾病進展，並計算ADAS-Cog的分數。
研究人員表示，無人監督的模型能夠在至少18個月的時間裡做出準確的預測，並且他們相信該系統也可以被用於其他神經衰退類疾病的預測。
“我們所描述的這個模擬疾病進展的方法可以很容易擴展到其他疾病領域。”研究小組寫道，“深度模型在臨床數據上的廣泛應用可以產生比真實醫療數據更低的隱私問題的合成數據集，也可以用來進行模擬臨床試驗，以優化研究設計。在某些疾病領域，使用模擬來預測特定個體風險的工具可以幫助醫生為他們的病人選擇合適的治療方法。”
閱讀更多 AI小智君 的文章
