Arvio koneoppimistekniikoiden käytöstä neurodegeneratiivisten PARKinsonin oireyhtymien luokittelussa (tekoäly) (PARKIA)

Parkinsonin taudin (PD) diagnoosi perustuu pääasiassa potilaan kliiniseen havainnointiin, jossa etsitään kolme ominaista oireita, ja joskus se on todellinen haaste. Koneoppimisalgoritmit (ML) voivat auttaa diagnosoimaan PD:n varhaisessa vaiheessa ja erottamaan idiopaattisen PD:n epätyypillisistä Parkinsonin oireyhtymistä.

Tässä yhteydessä Castillo-Barnesin työryhmän työ tarjosi joukon kuvantamisominaisuuksia, jotka perustuivat DaTSCAN®- tai Ioflupane- (jodi-123-leimattu radiofarmaseuttinen) yhden fotoniemissiotietokonetomografian (SPECT) skannauksista terveiden osallistujien havaitsemiseksi. Parkinsonin tautia sairastavilta osallistujilta tasapainoisessa SPECT-joukossa "Parkinson's Progression Markers Initiative" (PPMI) -tietokannasta.

Shabiin et al.:n ryhmä arvioi Parkinson-potilaiden ja normaalien kontrollien luokittelusuorituskykyä, kun Ioflupane (123I-IP) yhden fotoniemissiotietokonetomografian (SPECT) avulla saadut semikvantitatiiviset indikaattorit ja muodon piirteet dopamiininkuljettimesta (DAT). yhdistetty koneoppimisominaisuuteen (ML).

Tekoälypohjaiset menetelmät voivat parantaa diagnostisia arviointeja. Useat tekoälyä käyttävät dopaminergiset kuvantamistutkimukset ovat raportoineet jopa 90 prosentin tarkkuuden PD:n diagnoosissa.

Nämä automatisoidut lähestymistavat käyttävät tekstuurianalyyseihin perustuvia koneoppimismenetelmiä (i) PD:n ja terveiden koehenkilöiden erottamiseen, (ii) PD:n ja verisuonten parkinsonismin erottamiseen ja (iii) epätyypillisen parkinsonismin eri muotojen erottamiseen.

Tutkimus, joka suoritettiin kahdessa keskuksessa käyttäen lineaarista tukivektorikonetta (SVM) -mallia, erotti PD-potilaat ja terveet koehenkilöt 82,5 prosentin tarkkuudella. Tämä suorituskyky on samanlainen kuin isotooppilääkäreiden visuaalinen arviointi. Lineaarinen SVM-malli, joka perustuu tilastollisten vokseliarvoihin. parametrikuvat pystyivät erottamaan PD:n verisuoniparkinsonismista 90,4 %:n tarkkuudella. Nancy-tiimillä on laaja kokemus PD:n havaitsemisesta SPECT- ja SPECT/CT-skannauksissa Ioflupanella tai DaTSCANilla™