Evaluering af brugen af ​​maskinlæringsteknikker til at klassificere neurodegenerative PARKinsonske syndromer (kunstig intelligens) (PARKIA)

Diagnosen af ​​Parkinsons sygdom (PD) er hovedsageligt afhængig af klinisk observation af patienten, på udkig efter de tre karakteristiske symptomer og er nogle gange stadig en reel udfordring. Machine Learning (ML) algoritmer kan hjælpe med at diagnosticere PD tidligt og differentiere idiopatisk PD fra atypiske Parkinsons syndromer.

I denne sammenhæng tilvejebragte arbejdet fra Castillo-Barnes' team et sæt billeddannende funktioner baseret på morfologiske karakteristika ekstraheret fra DaTSCAN® eller Ioflupane (iod-123-mærket radiofarmaceutisk) enkeltfotonemission computertomografi (SPECT) scanninger for at skelne sunde deltagere fra deltagere med Parkinsons sygdom i et afbalanceret sæt SPECT'er fra databasen "Parkinson's Progression Markers Initiative" (PPMI).

Holdet fra Shabii et al. evaluerede klassificeringspræstationen for Parkinsons patienter og normale kontroller, når semikvantitative indikatorer og formtræk opnået på dopamintransporteren (DAT) ved Ioflupane (123I-IP) enkeltfotonemissions-computertomografi (SPECT) er kombineret som en maskinlæringsfunktion (ML).

AI-baserede metoder kan forbedre diagnostiske vurderinger. Adskillige dopaminerge billeddannelsesundersøgelser ved brug af AI har rapporteret nøjagtighed på op til 90 % for diagnosticering af PD.

Disse automatiserede tilgange bruger maskinlæringsmetoder, baseret på teksturanalyser, til (i) at differentiere PD og raske forsøgspersoner, (ii) differentiere PD og vaskulær parkinsonisme og (iii) skelne mellem forskellige former for atypisk parkinsonisme.

En undersøgelse udført i 2 centre ved hjælp af en lineær støttevektormaskine (SVM)-model diskriminerede patienter med PD og raske forsøgspersoner med en nøjagtighed på 82,5%. Denne præstation svarer til visuel vurdering foretaget af nuklearlæger. En lineær SVM-model baseret på statistiske voxelværdier parametriske billeder var i stand til at differentiere PD fra vaskulær parkinsonisme med en nøjagtighed på 90,4%. Nancy-teamet har stor erfaring med påvisning af PD i SPECT og SPECT/CT-scanninger med Ioflupane eller DaTSCAN™