A gépi tanulási technikák használatának értékelése a neurodegeneratív PARKinson-szindrómák (mesterséges intelligencia) osztályozására (PARKIA)

A Parkinson-kór (PD) diagnózisa főként a beteg klinikai megfigyelésén alapul, a három jellegzetes tünet után kutatva, és néha igazi kihívás marad. A gépi tanulási (ML) algoritmusok segíthetnek a PD korai diagnosztizálásában és az idiopátiás PD és az atipikus Parkinson-szindrómák megkülönböztetésében.

Ebben az összefüggésben Castillo-Barnes csapatának munkája a DaTSCAN® vagy Ioflupane (jód-123-mal jelölt radiofarmakon) egyfoton emissziós komputertomográfia (SPECT) szkennelésekből kinyert morfológiai jellemzőken alapuló képalkotási jellemzőket biztosított az egészséges résztvevők felismerése érdekében. Parkinson-kórban szenvedő résztvevőktől a "Parkinson's Progression Markers Initiative" (PPMI) adatbázisából származó SPECT-ek kiegyensúlyozott halmazában.

Shabii és munkatársai csapata értékelte a Parkinson-betegek és a normál kontrollok osztályozási teljesítményét, amikor az Ioflupane (123I-IP) egyfoton emissziós számítógépes tomográfia (SPECT) segítségével a dopamin transzporteren (DAT) kapott félkvantitatív mutatókat és alakjellemzőket. gépi tanulási (ML) funkcióként kombinálva.

Az AI-alapú módszerek javíthatják a diagnosztikai értékeléseket. Számos mesterséges intelligencia felhasználásával végzett dopaminerg képalkotó vizsgálat 90%-os pontosságról számolt be a PD diagnózisában.

Ezek az automatizált megközelítések texturális elemzéseken alapuló gépi tanulási módszereket használnak (i) a PD és az egészséges alanyok megkülönböztetésére, (ii) a PD és a vaszkuláris parkinsonizmus megkülönböztetésére, valamint (iii) az atipikus parkinsonizmus különböző formáinak megkülönböztetésére.

Egy 2 központban, lineáris támogató vektorgép (SVM) modellel végzett vizsgálat 82,5%-os pontossággal megkülönböztette a PD-ben szenvedő betegeket és az egészséges alanyokat. Ez a teljesítmény hasonló a nukleáris orvosok vizuális értékeléséhez. A lineáris SVM-modell statisztikai voxelértékeken alapul. A parametrikus képek 90,4%-os pontossággal tudták megkülönböztetni a PD-t a vaszkuláris parkinsonizmustól. A nancyi csapat nagy tapasztalattal rendelkezik a PD kimutatásában SPECT és SPECT/CT vizsgálatok során Ioflupane vagy DaTSCAN™ segítségével.