目前用于确定阿尔茨海默病发病的诊断工具之一是被称为18-F-氟脱氧葡萄糖PET扫描(FDG-PET )的脑部图像扫描。 该扫描传统上用于识别几种类型的癌症，但近年来，其本身被证明可用于老年痴呆症和其他几种类型的痴呆症的识别。
在最新的研究中，旧金山加州大学的研究人员根据1002名患者的2100多张FDG-PET大脑图像训练了机器学习算法，观察了脑细胞新陈代谢的微小变化。 AI首先用90%的图像进行训练，用剩下的10%的图像和来自没有研究过的40名患者的独立检查进行算法性能验证。
研究的共同作者加州大学旧金山分校放射生物医学影像系的Jae Ho Sohn说：“大脑中葡萄糖摄取模式的差异非常微妙和分散。” “人们善于发现特定疾病的生物标志，但代谢的变化代表着一个更全面微妙的过程。 ”
359 doi.org/10.1148/radiol.2018180958
将AI应用于阿尔茨海默病的研究并非没有先例，但在最近的研究中，利用阿尔茨海默病神经成像倡议(ADNI )的数据训练深度学习算法，关注脑细胞的葡萄糖摄取模式是新的方法研究结果以“Adee Plearning Modelto Predic Tadiagnosiso Falzheimerdise ASEASEBYusing 18 f-FDGPeto Fthe Brain”为题发表在《Radiology》杂志上。
虽然yxdhf擅长于FDG-PET脑部图像评估，但是新的深度学习技术可以识别密集图像数据中更为微妙的模式。 该算法预测所有发展为阿尔茨海默病的病例——均具有82%的特异性和100%的敏感性，与放射科医生相比诊断时间平均提前了75.8个月。 Jae Ho Sohn说：“我对算法的性能非常满意，可以预测所有发展成老年痴呆症的病例。”
考虑到样本量太小(只有40例)，需要通过更大的独立数据集合的前瞻性研究来验证该算法，但研究小组认为AI系统最终将成为辐射学家的补充工具，-淀粉样蛋白和tau蛋白质
参考资料
该网站注明“来源：生物探索”的文字、照片、音视频资料均属于生物探索所有，必须被允许转载其他平台。 本网站上的所有文章都以提供更多信息为目的，并明确注明了来源和作者。 不想转载的媒体和个人请与我们联系。 (editor@biodiscover.com)立即进行删除处理。 所有文章都只是代表的观点，不代表本站的立场。