Исследователи из Школы биомедицинской инженерии и визуализации разработали новый инструмент машинного обучения, который анализирует МРТ головного мозга и предсказывает возраст мозга по сравнению с остальным населением. По сути, это инструмент скрининга, он автоматически обнаруживает мозг старшего возраста в режиме реального времени с помощью обычных клинических сканирований.
Исследование, опубликованное в журнале Neuroimage , показывает, что в рамках естественного процесса мозг теряет объем с возрастом, и пока потеря объема соответствует возрасту пациента, новый инструмент будет правильно предсказывать возраст пациента.
Но если мозг пациента болен и потерял непропорционально большую часть объема, например, при деменции, инструмент покажет несоответствие между реальным возрастом и прогнозируемым возрастом, тем самым предупредив клиницистов об этом важном несоответствии и отметив, что мозг ненормально для возраста.
«Мы показали, что можно закрыть этот разрыв от точки сканирования до экспертной оценки, если центру повезет с экспертами, автоматизировав этот процесс».
Используя классификатор нейрорадиологических отчетов, основанный на глубоком обучении, исследователи создали набор данных из 23 302 «радиологически нормальных для своего возраста» МРТ-исследований головы из двух крупных британских больниц, а именно, Фонда NHS Гая и Сент-Томаса и больницы Королевского колледжа, используя предварительно - существующие нейрорадиологические отчеты.
Затем, используя необычный подход, предполагающий очень небольшую вычислительную предварительную обработку сканов, они применили другой алгоритм глубокого обучения изображений к большому набору данных обычных сканов.
В дальнейших экспериментах использовались различные типы обычного сканирования из третьего института, а также набор данных с открытым исходным кодом.
Их окончательная модель была протестирована с использованием сканов с непропорционально большой потерей объема мозга, а затем тщательно изучены результаты их модели путем построения тепловых карт частей сканов, для которых модель предсказывала непропорциональную потерю объема мозга.
Первый автор, доктор Дэвид Вуд, исследователь из Школы биомедицинской инженерии и визуализации, сказал, что ключевым аспектом этого исследования было использование большого, клинически репрезентативного набора данных для обучения модели.
Исследователи говорят, что эта структура может иметь важные последствия для ухода за пациентами, разработки лекарств и оптимизации сбора данных МРТ.
«В настоящее время аномальный мозг, выглядящий старше, обнаруживается через некоторое время после сканирования во время составления отчета. Наиболее точные отчеты будут в центрах, где есть нейрорадиологи, однако нейрорадиологи есть в немногих центрах», — сказал доктор Бут.
«Автоматическое обнаружение потери объема в режиме реального времени помогает выявлять распространенную проблему нейродегенерации во время сканирования, полученного по любой причине. Последующая диагностика, например, болезни Альцгеймера на ранней стадии, потенциально может улучшить уход за пациентами за счет раннего медицинского и социального вмешательства. , пациенты потенциально могут быть привлечены к испытаниям лекарств на более ранней стадии».
Д-р Бут сказал, что эту структуру можно также использовать для усиления существующих крупных больничных баз данных, чтобы предоставить мощные новые ресурсы для обучения, тестирования и клинической проверки инструментов анализа медицинских изображений, выходящих за пределы возраста мозга , таких как обнаружение аномалий.
