Utvärdering av användningen av maskininlärningstekniker för att klassificera neurodegenerativa PARKinsoniska syndrom (artificiell intelligens) (PARKIA)

Diagnosen av Parkinsons sjukdom (PD) bygger huvudsakligen på klinisk observation av patienten, letar efter de tre karakteristiska symtomen och förblir ibland en verklig utmaning. Machine Learning (ML) algoritmer kan hjälpa till att diagnostisera PD tidigt och skilja idiopatisk PD från atypiska Parkinsons syndrom.

I detta sammanhang tillhandahöll Castillo-Barnes team en uppsättning avbildningsfunktioner baserade på morfologiska egenskaper extraherade från DaTSCAN® eller Ioflupane (jod-123-märkt radiofarmaka) enkelfoton emission datortomografi (SPECT) skanningar för att urskilja friska deltagare från deltagare med Parkinsons sjukdom i en balanserad uppsättning SPECT från databasen "Parkinson's Progression Markers Initiative" (PPMI).

Teamet av Shabii et al utvärderade klassificeringsprestandan för Parkinsonspatienter och normala kontroller när semikvantitativa indikatorer och formegenskaper erhållna på dopamintransportören (DAT) av Ioflupane (123I-IP) enkelfotonemissionsdatortomografi (SPECT) är kombineras som en maskininlärningsfunktion (ML).

AI-baserade metoder kan förbättra diagnostiska bedömningar. Flera dopaminerga avbildningsstudier med AI har rapporterat en noggrannhet på upp till 90 % för diagnosen PD.

Dessa automatiserade tillvägagångssätt använder maskininlärningsmetoder, baserade på texturanalyser, för att (i) differentiera PD och friska försökspersoner, (ii) differentiera PD och vaskulär parkinsonism, och (iii) skilja mellan olika former av atypisk parkinsonism.

En studie utförd i två centra med en linjär stödvektormaskin (SVM)-modell diskriminerade patienter med PD och friska försökspersoner med en noggrannhet på 82,5%. Denna prestanda liknar visuell bedömning av kärnläkare. En linjär SVM-modell baserad på voxelvärden av statistiska parametriska bilder kunde skilja PD från vaskulär parkinsonism med en noggrannhet på 90,4 %. Nancy-teamet har lång erfarenhet av detektion av PD i SPECT och SPECT/CT-skanningar med Ioflupane eller DaTSCAN™