Nou instrument de predicție a progresiei bolii ALzheimer

Studiul cercetătorilor de la The University of Texas at Arlington abordează provocarea diagnosticării și înțelegerii progresiei bolii Alzheimer (AD) prin dezvoltarea unui cadru inovator de învățare bazat pe încorporarea datelor, numit Disease2Vec. Acest cadru utilizează tehnici de învățare profundă pentru a modela progresia bolii Alzheimer ca un set de vectori de încorporare semnificativi în spațiul latent, aliniind astfel spațiul latent cu traiectoria progresiei bolii. Prin această abordare, cercetătorii pot reprezenta relațiile intrinseci dintre diferitele etape clinice prin vectorii de încorporare învățați.

Studiul a folosit date de conectivitate funcțională de la 266 de subiecți din setul de date ADNI (Alzheimer’s Disease Neuroimaging Initiative), împărțiți în cinci grupuri clinice:

• cogniție normală (NC),
• preocupări semnificative legate de memorie (SMC),
• deficiență cognitivă ușoară timpurie (EMCI),
• deficiență cognitivă ușoară târzie (LMCI) și
• Alzheimer (AD).

Cercetătorii au dezvoltat un arbore de încorporare a bolilor (DETree), care modelează întreaga progresie a bolii Alzheimer în spațiul latent, permițând reprezentarea continuă a dezvoltării bolii și a variațiilor individuale.

Principalele constatări ale studiului includ:

• Performanță remarcabilă în clasificare: DETree a atins o acuratețe de clasificare de 77,8% pentru clasificarea multi-clasă (NC vs. SMC vs. EMCI vs. LMCI vs. AD), depășind alte metode de învățare automată și învățare profundă.
• Reprezentarea continuă a progresiei bolii Alzheimer: DETree oferă o reprezentare vizuală a progresiei bolii Alzheimer, unde fiecare subiect este plasat pe o traiectorie continuă de la cogniție normală la Alzheimer, reflectând starea clinică specifică a fiecărui individ în cadrul întregului proces de dezvoltare a bolii.
• Capacitatea de a prezerva individualitatea: Prin proiectarea noilor pacienți pe traiectoria învățată a DETree, modelul nu numai că poate atribui grupuri clinice noi pacienților, dar poate indica și starea lor clinică de-a lungul întregului proces de dezvoltare, de la cogniție normală la Alzheimer.
• Versatilitate și generalizare: Cadru DETree poate fi adaptat pentru o gamă largă de tulburări neurodegenerative, neurodevelopmentale și psihiatrice care prezintă mai multe etape clinice în timpul dezvoltării.
• Limitări și direcții viitoare: Studiul recunoaște că a utilizat o singură modalitate de date și se concentrează pe o alegere specifică a numărului de încorporări pentru fiecare clasă. În viitor, cercetătorii intenționează să extindă modelul pentru a include date multimodale și să exploreze diferite arhitecturi de model și caracteristici de intrare pentru a îmbunătăți reprezentarea și predicția progresiei bolii.

În concluzie, studiul oferă o abordare promițătoare pentru modelarea progresiei bolii Alzheimer și pentru diagnosticul individualizat, deschizând calea către tratamente personalizate și înțelegerea mai profundă a mecanismelor subiacente ale bolii Alzheimer și altor tulburări complexe.

sursa: Science Daily
foto: Dajiang Zhu, profesor asociat în informatică și inginerie la UTA