先進人工智能在腦成像中捕捉的動態精神疾病指標

佐治亞州立大學趨勢中心的一項新研究可能會導致對阿爾茨海默氏癥、精神分裂癥和自閉癥等嚴重疾病的早期診斷，從而幫助預防和更容易地治療這些疾病。在《科學報告》上發表的一項新研究中，來自喬治亞州立大學的七名科學家組成了一個復雜的計算機程序，該程序能夠梳理大量的大腦成像數據，并發現與精神健康狀況有關的新模式。大腦成像數據來自于使用功能性磁共振成像(fMRI)的掃描，它通過檢測血液流動的微小變化來測量大腦的動態活動。

“我們建立了人工智能模型來解釋來自fMRI的大量信息，”喬治亞州立大學計算機科學和神經科學副教授、該研究的主要作者Sergey Plis說。

他將這種動態成像與電影進行了比較——而不是像x光或更常見的結構核磁共振成像那樣的快照——并指出“可用的數據比血液測試或常規核磁共振成像要大得多，豐富得多。”但這就是挑戰所在——大量的數據很難解釋。”

此外，在這些特定的條件下，fMRI是昂貴的，不容易獲得。然而，使用人工智能模型，常規的功能磁共振成像可以被挖掘數據。這些都有很多。

趨勢中心的創始主任、該研究的作者之一文斯·卡爾霍恩(Vince Calhoun)解釋說:“沒有已知臨床疾病的個體有大量的數據集。”使用這些大型但不相關的可用數據集可以提高模型在較小的特定數據集上的性能。

卡爾霍恩說:“新的模式出現了，我們可以肯定地將這三種大腦疾病中的每一種聯系起來。”

人工智能模型首先在包括1萬多人的數據集上進行訓練，以學習理解基本的fMRI成像和大腦功能。然后，研究人員使用了超過1200人的多站點數據集，包括自閉癥譜系障礙、精神分裂癥和阿爾茨海默病患者。

它是如何工作的?這有點像Facebook、YouTube或亞馬遜從你的在線行為中了解你，并開始能夠預測未來的行為，好惡。計算機軟件甚至能夠定位到大腦成像數據最有可能與所討論的精神障礙有關的“時刻”。

為了使這些發現在臨床上有用，它們需要在疾病出現之前應用。

“如果我們能在一個40歲的人身上發現并預測阿爾茨海默病風險的標志，”卡爾霍恩說，“我們也許就能對此做些什么。”

同樣，如果在大腦結構發生實際變化之前就能預測精神分裂癥的風險，就可能有更好或更有效的治療方法。

卡爾霍恩說:“即使我們從其他測試或家族史中知道某人有患阿爾茨海默氏癥等疾病的風險，我們仍然無法準確預測它何時會發生。”“通過在臨床疾病出現之前捕捉相關模式，大腦成像可以縮小時間窗口。”

Plis說:“我們的愿景是收集一個大型的圖像數據集，我們的人工智能模型仔細研究它，并向我們展示它們對某些疾病的了解。”“我們正在構建系統，以發現我們自己無法發現的新知識。”

“我們的目標，”該研究的第一作者、喬治亞州立大學計算機科學博士生Md Mahfuzur Rahman說，“是將大世界、大數據集與小世界和特定疾病數據集連接起來，并朝著與臨床決策相關的標記物的方向發展。”