Notizia

Nov 24, 2023

Apprendimento automatico

Scientific Reports volume 12,

Rapporti scientifici volume 12, numero articolo: 14740 (2022) Citare questo articolo

1388 accessi

17 Altmetrico

Dettagli sulle metriche

L'atrofia corticale viene misurata clinicamente secondo scale di valutazione visiva stabilite basate sulla risonanza magnetica (MRI). Sebbene la risonanza magnetica cerebrale sia il principale indicatore di imaging per la neurodegenerazione, anche la tomografia computerizzata (TC) è ampiamente utilizzata per la diagnosi precoce della demenza. Tuttavia, raramente vengono indagati. Pertanto, abbiamo sviluppato un algoritmo di apprendimento automatico per la stima automatica dell’atrofia corticale sulla TC cerebrale. Le immagini TC del cervello (259 soggetti con demenza di Alzheimer e 55 soggetti cognitivamente normali) sono state valutate visivamente da tre neurologi e utilizzate per la formazione. Abbiamo costruito un algoritmo combinando la rete neurale convoluzionale e la regressione logistica regolarizzata (RLR). Le prestazioni del modello sono state poi confrontate con quelle dei neurologi ed è stata misurata l'importanza delle caratteristiche. L'RLR ha fornito stime automatiche rapide e affidabili di atrofia frontale (accuratezza del 75,2%, sensibilità del 93,6%, specificità del 67,2% e area sotto la curva [AUC] di 0,87), atrofia posteriore (accuratezza del 79,6%, sensibilità dell'87,2%, specificità del 75,9% e 0,88 AUC), atrofia temporale mediale destra (accuratezza 81,2%, sensibilità 84,7%, specificità 79,6% e 0,88 AUC) e atrofia temporale mediale sinistra (accuratezza 77,7%, sensibilità 91,1%, specificità 72,3% e 0,90 AUC). Abbiamo concluso che la stima automatica basata su RLR della TC cerebrale ha fornito una valutazione completa dell’atrofia che può potenzialmente supportare i medici in contesti clinici reali.

L'imaging cerebrale strutturale è raccomandato nelle linee guida diagnostiche per la demenza1,2 ed è noto per essere correlato alla disfunzione cognitiva negli anziani normali o nei pazienti con malattia di Alzheimer (AD)3,4. Oltre ad escludere lesioni chirurgiche, la valutazione dell'atrofia cerebrale suggestiva di patologia sottostante, incluso il lobo temporale mediale per AD5, è possibile con l'uso dell'imaging cerebrale strutturale. È stato riportato che diverse scale di valutazione visiva basate sull'imaging strutturale valutano l'atrofia cerebrale, alcune delle quali sono ampiamente utilizzate nella ricerca e nella pratica clinica5,6. Rispetto alle misure volumetriche quantitative, le scale di valutazione visiva hanno il vantaggio di applicare direttamente le immagini acquisite clinicamente senza un processo dispendioso in termini di tempo7. Tuttavia, esistono problemi di affidabilità per la concordanza inter o intra-valutatore8,9 e la maggior parte delle scale di valutazione visiva sono basate sulla risonanza magnetica cerebrale (MRI)7. Sebbene la risonanza magnetica cerebrale sia il principale indicatore di imaging per la neurodegenerazione secondo il recente quadro di ricerca sull'AD10, anche la tomografia computerizzata (TC) cerebrale può fornire informazioni importanti nei soggetti affetti da demenza11. Ancora più importante, la TC cerebrale viene sempre più utilizzata per lo screening precoce della demenza, come parte del piano nazionale coreano sulla demenza dal 200812. Pertanto, vi è una crescente necessità di un metodo affidabile e pratico per la valutazione visiva della TC cerebrale, che raramente veniva utilizzata. indagato.

La classificazione computerizzata e automatizzata della TC cerebrale presenta potenziali vantaggi per la massimizzazione dell'affidabilità e dell'efficienza, con conseguente copertura di un sistema di screening per il declino cognitivo. L'algoritmo per la valutazione visiva è necessario per aumentare l'utilità clinica della valutazione automatizzata. Ciò suggerisce che sarà necessario un approccio "basato sull'intelligenza artificiale (AI) e assistito da computer (CAD)" per le scale di valutazione visiva basate sull'imaging strutturale per scoprire e analizzare la neurodegenerazione consentendo al potere statistico di rilevare effetti sottili.

L’intelligenza artificiale è un campo onnicomprensivo dell’informatica che utilizza computer e macchine per eseguire determinati compiti per imitare le capacità di risoluzione dei problemi e decisionali della mente umana, creando così un sistema intelligente. L’apprendimento automatico, l’apprendimento rappresentativo e l’apprendimento profondo sono sottocampi dell’intelligenza artificiale. Un numero crescente di applicazioni cliniche basate sull’apprendimento automatico e sul deep learning sono state proposte nel neuroimaging per la valutazione del rischio, la diagnosi, la prognosi e la previsione13. Pertanto, l’apprendimento automatico, che adotta caratteristiche esplicite specificate dagli esperti e ha mostrato potenziali benefici nell’identificazione del rischio di demenza tramite neuroimaging14, potrebbe essere utilizzato per la classificazione automatizzata della TC cerebrale per supportare la valutazione clinica.