KI-Modell verbessert frühe Alzheimer-Vorhersage aus Gehirnscans
Forscher haben künstliche Intelligenz auf Gehirnscans aus drei großen Datensätzen trainiert und eine bescheidene Verbesserung von bis zu 3 % bei der Vorhersage erzielt, wer innerhalb von acht Jahren Alzheimer entwickeln wird.
Was wurde untersucht?
Forscher entwickelten maschinelle Lernmodelle, die Texturmuster und Volumina in Gehirn-MRT-Scans analysieren, kombiniert mit kognitiven Testergebnissen und demografischen Daten, um vorherzusagen, wer an Alzheimer erkranken wird. Die Modelle wurden mit Daten aus der ADNI-Studie trainiert und an zwei unabhängigen Datensätzen (AIBL und OASIS-3) validiert.
Was wurde gefunden?
Die Modelle, die die Analyse der MRT-Textur (Radiomics-Features) einbezogen, schnitten leicht besser ab als Modelle, die nur Gehirnvolumina und kognitive Tests verwendeten, insbesondere bei der Vorhersage von Alzheimer acht Jahre im Voraus. Die Verbesserung war gering, aber konsistent und reichte von 0,11 bis 3,02 Prozentpunkten in der Vorhersagegenauigkeit über die Datensätze hinweg. Die Modelle zeigten eine moderate bis hohe Reproduzierbarkeit, als sie an unabhängigen Patientengruppen getestet wurden.
Was bedeutet das?
Diese Studie zeigt, dass die Hinzufügung der Texturanalyse von Gehirnscans die frühe Vorhersage von Alzheimer bescheiden verbessern kann, was letztendlich helfen könnte, gefährdete Personen früher zu identifizieren. Die Verbesserungen sind jedoch inkrementell, und solche KI-Tools sind noch weit von der routinemäßigen klinischen Anwendung entfernt.
Einschränkung
Die Verbesserung der Vorhersage ist relativ gering, und der klinische Nutzen dieser komplexen KI-Modelle im Vergleich zu einfacheren Methoden muss in realen Umgebungen noch nachgewiesen werden.