正常大脑（左）和阿尔茨海默病患者的大脑（右）在PET成像时的对比。
阿尔茨海默病是最常见的神经退行性疾病之一。据估计，美国目前有570万人患这种病，到2050年，这一数字可能还会翻番。治疗阿尔兹海默病的方法仍然十分有限，能否在疾病早期做出诊断，对治疗十分重要。但是，现在还没有诊断阿尔茨海默病的活体检测手段，医生不得不进行大量临床和神经心理学的测试。因此，基于人工智能开发大脑成像识别技术（判断是否存在阿尔茨海默病）逐渐成为研究热点。
在加利福尼亚大学旧金山分校，研究人员已经成功开发出了一种人工算法，可以从正电子断层扫描（PET）成像中识别大脑葡萄糖消耗量的降低。这是阿尔茨海默病的早期症状之一。在研究中，这种算法几乎准确地预测了所有最终发展成阿尔茨海默病的案例。
在PET成像时，受试者会摄入或被注入痕量放射性材料，以此产生关于新陈代谢、内循环或其他细胞级活动的三维图像。这项研究的共同作者、旧金山分校的放射科医生孙载皓（Jae Ho Sohn）说，人工智能非常适合用于PET，因为在阿尔茨海默病造成神经组织退化前数年，大脑的新陈代谢就已经发生了细微的变化，而神经科医生很难发现这些变化。
研究人员以2100张PET图像为基础（来自1000位55岁及以上的患者），训练和测试了算法。这些图片来自一项为期12年的研究，追踪了最终可能被诊断为阿尔茨海默病的人群、记忆力轻微下降的人群，以及健康的对照组人群。
研究人员以其中90%的数据训练算法，又以剩余10%的数据对算法进行测试。此后，还以40名患者在10年间的监测数据为第二个独立数据，做了新的测试。这种算法非常灵敏，针对两组数据在6年内确诊为阿尔兹海默病的病例，算法的识别率分别达到了81%和100%。这项研究发表在《放射学》（Radiology）上。
这种算法基于“深度学习”，而深度学习是以人工神经网络为基础，让系统从标记好的案例中自动学习的过程。意大利国家研究委员会（Italy’s National Research Council）的物理学家克里斯蒂安·萨尔瓦托雷（Christian Salvatore，并未参与此研究）说，“在首批基于深度学习的阿尔茨海默病诊断应用中，这是最有潜力的算法之一。在确诊轻度及晚期患者时，这套模型的表现良好。但是想要在早期做出诊断，仍然是整个领域需要共同面对的关键问题之一。”
撰文：罗德·麦卡洛姆（Rod McCullom）
翻译：马晓彤
引进来源：科学美国人
本文来自：环球科学
特别声明：本文转载仅仅是出于科普传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或其它相关事宜，请与我们接洽。
[责任编辑：环球科学]
