AI-verktøy forutsier Alzheimers progresjon mer nøyaktig enn tester

Kunstig intelligens overgår kliniske tester når det gjelder å forutsi Alzheimers sykdomsprogresjon.

Cambridge-forskere har laget et kunstig intelligens (AI)-verktøy som kan forutsi om personer med tidlige tegn på demens vil holde seg stabile eller utvikle Alzheimers sykdom. Dette verktøyet er nøyaktig i fire av fem tilfeller.

Denne nye tilnærmingen kan redusere behovet for dyre og invasive tester, og forbedre tidlige behandlingsresultater. Tidlige intervensjoner, som livsstilsendringer eller nye medisiner, er mest effektive på dette stadiet.

Demens er et stort globalt helseproblem, som påvirker over 55 millioner mennesker over hele verden og koster rundt 820 milliarder dollar årlig. Antall saker forventes å nesten tredobles i løpet av de neste 50 årene.

Alzheimers sykdom er hovedårsaken til demens, ansvarlig for 60–80 % av tilfellene. Tidlig oppdagelse er avgjørende for effektiv behandling, men nåværende metoder involverer ofte invasive eller kostbare tester som positronemisjonstomografi (PET) skanninger eller lumbale punkteringer, som ikke alltid er tilgjengelige.

På grunn av disse begrensningene kan opptil en tredjedel av pasientene bli feildiagnostisert eller diagnostisert for sent for effektiv behandling.

Et team fra University of Cambridges Institutt for psykologi har utviklet en maskinlæringsmodell for å forutsi hvor raskt individer med milde hukommelsesproblemer vil utvikle seg til Alzheimers. Forskningen deres, publisert i tidsskriftet eClinicalMedicine, viser at denne modellen er mer nøyaktig enn dagens kliniske diagnostiske verktøy.

Forskerne bygget sin modell ved å bruke rimelige, ikke-invasive data, inkludert kognitive tester og MR-skanninger som viser hjerneatrofi, fra over 400 individer i en amerikansk forskningskohort.

De testet deretter modellen med virkelige data fra 600 flere deltakere i USA og 900 personer fra minneklinikker i Storbritannia og Singapore.

Algoritmen kunne skille mellom personer med stabil mild kognitiv svikt og de som ville utvikle Alzheimers innen tre år. Den identifiserte korrekt individer som ville utvikle Alzheimers i 82 % av tilfellene og de som ikke ville i 81 % av tilfellene ved å bruke bare kognitive tester og MR-skanninger.

Denne algoritmen var omtrent tre ganger mer nøyaktig enn dagens metoder, noe som reduserte sjansene for feildiagnostisering.

Denne modellen tillot også forskere å klassifisere personer med Alzheimers i tre grupper: de hvis symptomer ville forbli stabile (omtrent 50 %), de som ville utvikle seg sakte (ca. 35 %), og de som ville utvikle seg raskt (de resterende 15 %).

Disse spådommene ble validert med oppfølgingsdata over seks år. Denne tidlige identifiseringen er avgjørende for å ta i bruk nye behandlinger og nøye overvåking av pasienter i rask utvikling.

For de 50 % hvis symptomer forblir stabile, antyder modellen at problemene deres kan skyldes andre årsaker, som angst eller depresjon, og de kan følge forskjellige kliniske veier.

Professor Zoe Kourtzi fra University of Cambridge sa: «Vi har utviklet et verktøy som bare bruker kognitive tester og MR-skanninger, men som er mer følsomme enn dagens metoder for å forutsi om noen vil utvikle seg til Alzheimers og hvor raskt.»

«Dette kan forbedre pasientbehandlingen betydelig, vise hvem som trenger nøye overvåking og lindre angst for de som er spådd å holde seg stabile. Det reduserer også behovet for unødvendige tester.»

Algoritmen ble validert med data fra nesten 900 individer fra minneklinikker i Storbritannia og Singapore, som viser at den kan brukes i kliniske omgivelser i den virkelige verden.

Dr. Ben Underwood, en æreskonsulent psykiater ved CPFT og assisterende professor ved University of Cambridge, fremhevet viktigheten av å redusere usikkerhet om hukommelsesproblemer hos eldre voksne, som kan forårsake bekymring og frustrasjon.

Professor Kourtzi understreket behovet for bedre verktøy for å takle demens ved å identifisere og gripe inn tidlig. Teamet tar sikte på å utvide modellen til andre former for demens og ulike typer data, som blodprøvemarkører.

«Målet vårt er å skalere opp AI-verktøyet vårt for å hjelpe klinikere å tildele de riktige pasientene til de riktige diagnose- og behandlingsveiene til rett tid,» sa professor Kourtzi. «Dette kan akselerere nye legemidler for behandling av demens.»

Informasjonskilde:

Robust og tolkbar AI-veiledet markør for tidlig demensprediksjon i kliniske omgivelser i den virkelige verden. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725