211service.com
AI kan tekenen van Alzheimer herkennen voordat uw familie dat doet
Eerdere diagnose zou onderzoekers kunnen helpen bij het ontwikkelen van medicijnen om de voortgang van de ziekte te vertragen. 19 maart 2018
Wanneer David Graham 's ochtends wakker wordt, begint de platte witte doos die met klittenband aan de muur van zijn kamer in Robbie's Place, een woonzorgcentrum in Marlborough, Massachusetts, met klittenband is bevestigd, elke beweging van hem op te nemen.
Hij weet wanneer hij uit bed komt, zich aankleedt, naar zijn raam loopt of naar de badkamer gaat. Het kan zien of hij slaapt of is gevallen. Het doet dit door draadloze signalen met een laag vermogen te gebruiken om zijn loopsnelheid, slaappatroon, locatie en zelfs ademhalingspatroon in kaart te brengen. Al die informatie wordt geüpload naar de cloud, waar machine learning-algoritmen patronen vinden in de duizenden bewegingen die hij elke dag maakt.
De rechthoekige dozen maken deel uit van een experiment om onderzoekers te helpen de symptomen van Alzheimer te volgen en te begrijpen.
Het is niet altijd duidelijk wanneer patiënten zich in de vroege stadia van de ziekte bevinden. Veranderingen in de hersenen kunnen subtiele veranderingen in gedrag en slaappatroon veroorzaken, jaren voordat mensen verwarring en geheugenverlies beginnen te ervaren. Onderzoekers denken dat kunstmatige intelligentie deze veranderingen vroegtijdig kan herkennen en patiënten kan identificeren die het risico lopen de meest ernstige vormen van de ziekte te ontwikkelen.
Het opsporen van de eerste indicaties van de ziekte van Alzheimer jaren voordat er duidelijke symptomen optreden, zou kunnen helpen bij het lokaliseren van mensen die het meest waarschijnlijk baat hebben bij experimentele medicijnen en gezinsleden in staat stellen om eventuele zorg te plannen. Apparaten die met dergelijke algoritmen zijn uitgerust, kunnen bij mensen thuis of in instellingen voor langdurige zorg worden geïnstalleerd om degenen die risico lopen te monitoren. Voor patiënten die al een diagnose hebben, kan een dergelijke technologie artsen helpen bij het aanpassen van hun zorg.
Ook farmaceutische bedrijven zijn geïnteresseerd in het gebruik van algoritmen voor machinaal leren, in hun geval om in medische dossiers te zoeken naar de patiënten die het meest waarschijnlijk baat hebben bij experimentele medicijnen. Als mensen eenmaal in een onderzoek zitten, kan AI onderzoekers misschien vertellen of het medicijn hun symptomen aanpakt.
Momenteel is er geen gemakkelijke manier om de ziekte van Alzheimer te diagnosticeren. Er bestaat geen enkele test en hersenscans alleen kunnen niet bepalen of iemand de ziekte heeft. In plaats daarvan moeten artsen naar verschillende factoren kijken, waaronder de medische geschiedenis van een patiënt en observaties die zijn gerapporteerd door familieleden of gezondheidswerkers. Dus machine learning zou patronen kunnen oppikken die anders gemakkelijk zouden worden gemist.
David Graham, een van Vahia's patiënten, heeft een van de door AI aangedreven apparaten in zijn kamer in Robbie's Place, een woonzorgcentrum in Marlborough, Massachusetts.
Graham is, in tegenstelling tot de vier andere patiënten met dergelijke apparaten in hun kamer, niet gediagnosticeerd met de ziekte van Alzheimer. Maar onderzoekers volgen zijn bewegingen en vergelijken ze met patronen die worden gezien bij patiënten waarvan artsen vermoeden dat ze de ziekte hebben.
Dina Katabi en haar team van MIT's Computer Science and Artificial Intelligence Laboratory ontwikkelden het apparaat aanvankelijk als een valdetector voor ouderen. Maar ze realiseerden zich al snel dat het veel meer toepassingen had. Als het een val kon opvangen, dachten ze, moet het ook andere bewegingen kunnen herkennen, zoals ijsberen en dwalen, wat tekenen kunnen zijn van de ziekte van Alzheimer.
Katabi zegt dat het hun bedoeling was om mensen in de gaten te houden zonder dat ze elke dag een draagbaar volgapparaat op moesten zetten. Dit is volledig passief. Een patiënt hoeft geen sensoren op hun lichaam te plaatsen of iets specifieks te doen, en het is veel minder opdringerig dan een videocamera, zegt ze.
Hoe het werkt
Graham merkt nauwelijks dat de witte doos in zijn zonovergoten, opgeruimde kamer hangt. Hij is zich daar het meest van bewust op dagen dat Ipsit Vahia zijn ronde doet en hem vertelt over de gegevens die hij verzamelt. Vahia is een geriatrische psychiater in het McLean Hospital en de Harvard Medical School, en hij en de uitvinders van de technologie aan het MIT voeren een kleine pilotstudie van het apparaat uit.
Graham kijkt uit naar deze bezoeken. Tijdens een recente was hij verrast toen Vahia hem vertelde dat hij 's nachts wakker werd. Het apparaat kon het detecteren, hoewel Graham niet wist dat hij het deed.
Het draadloze radiosignaal van het apparaat, slechts een duizendste zo krachtig als wifi, weerkaatst alles in een straal van 10 meter, inclusief menselijke lichamen. Elke beweging - zelfs de kleinste, zoals ademen - veroorzaakt een verandering in het gereflecteerde signaal.
Graham zegt dat hij het apparaat dat in zijn kamer hangt nauwelijks opmerkt.
Katabi en haar team ontwikkelden algoritmen voor machine learning die al deze minutieuze reflecties analyseren. Ze hebben het systeem getraind om eenvoudige bewegingen zoals lopen en vallen te herkennen, en complexere bewegingen zoals die geassocieerd met slaapstoornissen. Naarmate je het meer en meer leert, leert de machine, en de volgende keer dat hij een patroon ziet, zelfs als het te complex is voor een mens om dat patroon te abstraheren, herkent de machine dat patroon, zegt Katabi.
Na verloop van tijd creëert het apparaat grote uitlezingen van gegevens die gedragspatronen laten zien. De AI is ontworpen om afwijkingen van die patronen te onderscheiden die dingen als opwinding, depressie en slaapstoornissen kunnen betekenen. Het kan ook oppikken of een persoon bepaalde gedragingen gedurende de dag herhaalt. Dit zijn allemaal klassieke symptomen van de ziekte van Alzheimer.
Als je deze afwijkingen vroeg kunt opvangen, kun je erop anticiperen en helpen ze te beheersen, zegt Vahia.
Bij een patiënt met de diagnose Alzheimer konden Vahia en Katabi zien dat ze om 2 uur 's nachts wakker werd en door haar kamer dwaalde. Ze merkten ook dat ze meer ging ijsberen nadat bepaalde familieleden op bezoek waren. Na dat gedrag bij een verpleegster te hebben bevestigd, paste Vahia de dosis van de patiënt aan van een medicijn dat werd gebruikt om agitatie te voorkomen.
Ipsit Vahia en Dina Katabi testen een door AI aangedreven apparaat dat het laboratorium van Katabi heeft gebouwd om het gedrag van mensen met Alzheimer en degenen die het risico lopen de ziekte te ontwikkelen te volgen.
Hersenveranderingen
AI wordt ook gebruikt om artsen te helpen vroege tekenen van Alzheimer in de hersenen te detecteren en te begrijpen hoe die fysieke veranderingen zich bij verschillende mensen ontvouwen. Wanneer een radioloog een scan leest, is het onmogelijk om te zeggen of iemand de ziekte van Alzheimer zal ontwikkelen, zegt Pedro Rosa-Neto, een neuroloog aan de McGill University in Montreal.
Rosa-Neto en zijn collega Sulantha Mathotaarachchi ontwikkelden een algoritme dat honderden positronemissietomografie (PET)-scans analyseerde van mensen van wie werd aangenomen dat ze risico liepen op het ontwikkelen van de ziekte van Alzheimer. Uit medische dossiers wisten de onderzoekers welke van deze patiënten de ziekte binnen twee jaar na een scan had ontwikkeld, maar ze wilden zien of het AI-systeem ze kon identificeren door patronen in de afbeeldingen op te pikken.
En ja hoor, het algoritme was in staat om patronen te herkennen in klompjes amyloïde - een eiwit dat vaak wordt geassocieerd met de ziekte - in bepaalde hersengebieden. Zelfs getrainde radiologen zouden moeite hebben gehad om deze problemen op te merken op een hersenscan. Uit de patronen kon het met 84 procent nauwkeurigheid detecteren welke patiënten Alzheimer kregen.
Machine learning helpt artsen ook om de ernst van de ziekte bij verschillende patiënten te voorspellen. Duke University-arts en wetenschapper P. Murali Doraiswamy gebruikt machine learning om erachter te komen in welk stadium van de ziekte patiënten zich bevinden en of hun toestand waarschijnlijk zal verslechteren.
Verwant verhaal
Verwant verhaalGeneesmiddelfalen kan ons vertellen dat we niet weten wat de ziekte van Alzheimer veroorzaakt.We hebben de ziekte van Alzheimer gezien als een one-size-fits-all probleem, zegt Doraiswamy. Maar mensen met de ziekte van Alzheimer ervaren niet allemaal dezelfde symptomen, en sommige kunnen sneller erger worden dan andere. Artsen hebben geen idee welke patiënten nog een tijdje stabiel blijven of welke snel zieker worden. Dus we dachten dat de beste manier om dit probleem op te lossen, was om een machine het te laten doen, zegt hij.
Hij werkte samen met Dragan Gamberger, een expert op het gebied van kunstmatige intelligentie aan het Rudjer Boskovic Instituut in Kroatië, om een machine learning-algoritme ontwikkelen dat sorteerde hersenscans en medische dossiers van 562 patiënten met milde cognitieve stoornissen aan het begin van een periode van vijf jaar.
Er ontstonden twee verschillende groepen: degenen van wie de cognitie significant afnam en degenen van wie de symptomen in de loop van de vijf jaar weinig of niet veranderden. Het systeem kon veranderingen in het verlies van hersenweefsel in de loop van de tijd opvangen.
Een derde groep zat ergens in het midden, tussen milde cognitieve stoornissen en gevorderde Alzheimer. We weten nog niet waarom deze clusters bestaan, zegt Doraiswamy.
Klinische proeven
Van 2002 tot 2012 99 procent van de onderzoeksgeneesmiddelen voor de ziekte van Alzheimer faalden in klinische proeven. Een reden is dat niemand precies weet wat de ziekte veroorzaakt. Maar een andere reden is dat het moeilijk is om de patiënten te identificeren die het meest waarschijnlijk baat hebben bij specifieke medicijnen.
AI-systemen kunnen helpen bij het ontwerpen van betere proeven. Zodra we die mensen samen hebben met gemeenschappelijke genen, kenmerken en beeldvormende scans, zal dat het veel gemakkelijker maken om medicijnen te testen, zegt Marilyn Miller, die AI-onderzoek naar Alzheimer leidt bij het National Institute on Aging, onderdeel van de Amerikaanse National Institutes van gezondheid.
Als patiënten vervolgens zijn ingeschreven voor een onderzoek, kunnen onderzoekers ze continu controleren om te zien of ze baat hebben bij de medicatie.
Een van de grootste uitdagingen bij de ontwikkeling van geneesmiddelen voor de ziekte van Alzheimer is dat we geen goede manier hebben gehad om de juiste populatie te ontleden om het medicijn op te testen, zegt Vaibhav Narayan, een onderzoeker in het neurowetenschappelijke team van Johnson & Johnson.
Hij zegt dat algoritmen voor machinaal leren het rekruteringsproces van patiënten voor geneesmiddelenonderzoek aanzienlijk zullen versnellen. En als AI kan bepalen welke patiënten het meest waarschijnlijk sneller verslechteren, zal het voor onderzoekers gemakkelijker zijn om te zien of een medicijn enig voordeel heeft.
Op die manier kunnen artsen als Vahia tekenen van Alzheimer opmerken bij een persoon als Graham, ze hem snel kunnen inschrijven voor een klinische proef in de hoop de verwoestende effecten te beteugelen die anders jaren later zouden komen.
Miller denkt dat AI binnen vijf jaar kan worden gebruikt om de ziekte van Alzheimer bij patiënten te diagnosticeren en te voorspellen. Maar ze zegt dat er veel gegevens nodig zijn om ervoor te zorgen dat de algoritmen nauwkeurig en betrouwbaar zijn. Graham, bijvoorbeeld, doet zijn deel om te helpen.