Нове дослідження: Неінвазивний тест передбачає ризик розвитку Альцгеймера та деменції
Нові дослідження показують, що досягнення технологій тепер дозволяють програмному забезпеченню прогнозувати ризик розвитку хвороби Альцгеймера та пов’язаних з ним деменцій на основі інформації, отриманої під час звичайних відвідувань лікаря.
Відкриття є важливим, оскільки це недорогий, непроникливий метод виявлення хронічної хвороби, яка часто порушує життя як окремої людини, так і її сім’ї.
Вчені з Regenstrief Institute, Університету Індіани та Merck розробили та протестували алгоритми, використовуючи дані з електронних медичних записів. Новий розвиток подій важливий, оскільки принаймні 50% старших пацієнтів первинної медичної допомоги, які живуть із хворобою Альцгеймера та пов’язаними з ними деменціями, ніколи не отримують діагнозу.
І багато інших живуть із симптомами протягом двох-п’яти років, перш ніж їх поставлять діагноз. В даний час тести для виявлення ризику деменції є інвазивними, трудомісткими та дорогими.
"Чудова річ цього методу полягає в тому, що він пасивний, і він забезпечує точність, подібну до більш нав'язливих тестів, які використовуються в даний час", - сказав провідний дослідник Малаз Бустані, доктор медичних наук, науковий співробітник Інституту регенерації та професор Університету Індіани Школа медицини.
"Це недороге, масштабоване рішення, яке може забезпечити значну користь для пацієнтів та їх сімей, допомагаючи їм підготуватися до можливостей життя з деменцією та дозволяючи їм вживати заходів".
Дослідницька група, до якої також входили вчені штату Джорджія, Медичного коледжу імені Альберта Ейнштейна та Solid Research Group, нещодавно опублікувала свої результати щодо двох різних підходів до машинного навчання.
Одна стаття, опублікована в Журнал Американського товариства геріатрії, проаналізував результати алгоритму обробки природної мови. У цій техніці підходи до машинного навчання визначаються шляхом аналізу прикладів.
Відповідний підхід, обговорений у Штучний інтелект у медицині статті, поділилася результатами моделі, яка використовує ансамбль дерев рішень. Обидва методи продемонстрували однакову точність при прогнозуванні деменції протягом одного та трьох років після діагностики.
Для того, щоб навчити алгоритми, дослідники зібрали дані про пацієнтів з Індіанської мережі медичної допомоги пацієнтам. Моделі використовували інформацію про рецепти та діагнози, які є структурованими полями, а також медичні записки, які є вільним текстом, для прогнозування настання деменції.
Дослідники виявили, що замітки у вільному тексті є найціннішими для того, щоб допомогти ідентифікувати людей, яким загрожує розвиток захворювання.
"Це дослідження є захоплюючим, оскільки воно потенційно може принести значну користь пацієнтам та їхнім сім'ям", - сказав Патрік Монахан, доктор філософії, автор дослідження з Медичної школи IU та науковий співробітник Regenstrief.
"Клініцисти можуть надати освіту щодо поведінки та звичок, щоб допомогти пацієнтам справлятися зі своїми симптомами та жити кращою якістю життя".
Зіна Бен Мілед, доктор філософії, доктор філософії, автор дослідження зі Школи інженерії та технології Пердю пояснює: “Рання ідентифікація ризику дає можливість лікарям та сім’ям скласти план допомоги. Я з досвіду знаю, яким тягарем може бути боротьба з діагнозом деменції. Вікно, надане цим тестом, є настільки важливим, щоб допомогти покращити якість життя як пацієнтів, так і їх сімей ».
На додаток до користі для сімей, ці методи можуть також забезпечити значну економію коштів для пацієнтів та систем охорони здоров'я. Вони замінюють потребу у дорогих тестах і дозволяють клініцистам проводити скринінг цілих груп населення, щоб визначити найбільш ризикованих. Відстрочка появи симптомів також економить значну суму грошей на лікуванні.
Наступним кроком є впровадження цих алгоритмів машинного навчання в реальних клініках, щоб перевірити, чи допомагають вони виявити більше справжніх випадків деменції, а також дізнатися, як вони впливають на готовність пацієнта стежити за результатами.
Джерело: Regenstrief Institute
