Lietuvos mokslininkų sukurtas algoritmas beveik 100 proc. tikslumu galės nustatyti Alzheimerio ligos pradžią

Mokslo pritaikomumas | 2021-10-04

Kauno universitetų mokslininkai sukūrė giliuoju mokymusi pagrįstą metodą, kuriuo remiantis iš smegenų vaizdų galima prognozuoti Alzheimerio ligos pradžią. Algoritmas daugiau nei 99 proc. tikslumu atskiria ligos paveiktų smegenų nuotraukas, analizuojant 138 tiriamųjų magnetinio rezonanso tomografijos vaizdus. Naujasis metodas tikslesnis nei anksčiau sukurtieji.

Pasaulio sveikatos organizacijos (PSO) duomenimis, Alzheimerio liga sukelia net iki 70 proc. demencijos atvejų. Visame pasaulyje Alzheimerio liga yra diagnozuota maždaug 24 mln. žmonių. Prognozuojama, kad šis skaičius kas dvidešimt metų padvigubės. Dėl sparčiai senstančios visuomenės Alzheimerio liga taps itin didele ir brangia našta sveikatos sistemai.

„Medicinos specialistai visame pasaulyje stengiasi gilinti žinias ir būdus, padedančius atpažinti ankstyvą Alzheimerio ligos formą – kuo anksčiau nustatoma liga, tuo ilgiau asmuo gyvens pilnavertį gyvenimą, nes bus laiku paskirtas gydymas. Tai buvo viena svarbiausių priežasčių, dėl kurios KTU doktorantė iš Nigerijos Modupe Odusami savo daktaro disertacijai pasirinko nagrinėti šią temą“, – sako Rytis Maskeliūnas, Kauno technologijos universiteto (KTU) Informatikos fakulteto (IF) Multimedijos inžinerijos katedros tyrėjas, M. Odusami darbo vadovas.

Anksčiau nustatoma diagnozė ir parenkamas gydymas

Vienas iš pirmųjų Alzheimerio ligos požymių – lengvas kognityvinių funkcijų sutrikimas. Tai – etapas tarp įprasto kognityvinių funkcijų sumažėjimo žmogui senstant ir demencijos. Remiantis moksliniais  tyrimais, funkcinis magnetinis rezonansas (angl. functional magnetic resonance imaging, fMRI) gali būti naudojamas siekiant nustatyti smegenų sritis, kurios siejamos su Alzheimerio ligos atsiradimu. Ankstyvas lengvas kognityvinių funkcijų sutrikimas dažniausiai beveik neturi jokių aiškių simptomų, tačiau daugeliu atveju jį galima nustatyti analizuojant smegenų nuotraukas.

Rytis Maskeliūnas
Rytis Maskeliūnas

Visgi, nors teoriškai įmanoma rankiniu būdu analizuojant fMRI vaizdus nustatyti su Alzheimerio liga susijusius pokyčius, tačiau tam reikia ne tik specifinių žinių, be to, pats procesas imlus laikui. Ir priešingai – kompiuteris išanalizuoti informaciją bei priimti sprendimą geba labai greitai.

Rasti lengvi kognityviniai sutrikimai dar nebūtinai reiškia Alzheimerio ligos pradžią – tai taip pat gali būti kitų susijusių ligų simptomas. Tačiau tai – rodiklis, kuris gali palengvinti medicinos specialistų vertinimą.

„Šiuolaikinio signalų apdorojimo metodai leidžia vaizdų apdorojimą perduoti mašinai, todėl procesas vyksta greičiau ir pakankamai tiksliai. Žinoma, nesiūlome medicinos specialistams visu šimtu procentų pasikliauti algoritmu. Reikėtų vertinti mašiną kaip robotą, galintį atlikti labiausiai varginančius ir nuobodžiausius darbus – duomenų rūšiavimą, pasikartojančių savybių ieškojimą.

Kai kompiuteris jau atrenka potencialiai paveiktus atvejus, specialistas gali atidžiau juos išnagrinėti. Be to, pacientams ne tik greičiau nustatoma diagnozė, bet ir parenkamas tinkamas gydymas“, – teigia R. Maskeliūnas.

Pagrindinis laimėjimas – algoritmo tikslumas

Giliuoju mokymuisi grįstą modelį sukūrė dirbtinio intelekto srityje dirbančių mokslininkų komanda, naudodama gerai žinomo Kaiming He ir bendrautorių sukurto „ResNet 18” tinklo (angl. Residual Block, liet. liekamųjų ryšių blokas) modifikaciją. Modeliu buvo siekiama klasifikuoti funkcinius MRI vaizdus, gautus iš 138 tiriamųjų.

Vaizdai buvo suskirstyti į šešias skirtingas kategorijas: nuo sveikų, turinčių lengvą kognityvinį sutrikimą iki sergančių Alzheimerio liga. Pasinaudojant ADNI (angl. Alzheimer’s Disease Neuroimaging Initiative) duomenų bazės fMRI duomenimis, buvo atrinkta 51,443 vaizdų apmokymams ir 27,310 vaizdų – diagnozės patvirtinimui.

Sukurtas modelis sugebėjo veiksmingai rasti lengvam kognityviniam funkcijų sutrikimui būdingus bruožus šiame duomenų rinkinyje 99,99 proc. tikslumu atskiriant ankstyvąją sutrikimo fazę nuo Alzheimerio ligos, 99,95 proc. – atskiriant vėlyvąją fazę nuo Alzheimerio ligos, ir 99,95 proc. – atskiriant pažengusią ir ankstyvąją lengvo kognityvinio sutrikimo fazes.

„Nors tai nebuvo pirmas bandymas diagnozuoti Alzheimerio ligos pradžią iš panašių duomenų, pagrindinis mūsų laimėjimas – tai algoritmo tikslumas. Nors toks aukštas tikslumas kol kas pasiektas tiriant duomenų rinkinį, o ne realius atvejus dabartyje, tačiau toliau dirbame su gydymo įstaigomis, kad gautume daugiau duomenų, – patikslina R. Maskeliūnas, – svarbu ir tai, kad šiame etape mes tebedirbame prie algoritmų įjungdami vis naujas modalijas, ir nepaisant to, kad turime gerą rezultatą, gautą iš kontroliuojamo duomenų rinkinio (dabartinis etapas), tai nėra tas rezultatas kuris atsikartos prie kitokių duomenų kolekcijų“.

Anot R. Maskeliūno, labai tikėtina, kad ateityje vis dar reikės ši sprendimą patobulinti, ypač kai bus pradėti analizuoti labiau varijuojantys bei didesnės apimties duomenys (šį duomenų rinkinį vis dar renka medicinos specialistai).

„Net darant prielaidą, kad galutinis rezultatas bus patenkinamos kokybės, sprendimas vis tiek turės būti patikrintas atliekant specialų medicininio pobūdžio tyrimą (koordinuojamą medikų komandos) ir vėliau patvirtintas klinikiniais tyrimais. Galutinis žingsnis – sertifikavimas, kuris reikalingas norint, kad medicinos specialistai legaliai galėtų naudoti tokią priemonę ligoninės aplinkoje kaip tam tikrą diagnostikos įrankį“, – sako R. Maskeliūnas.

Svarbu išnaudoti duomenų potencialą

Naują algoritmą būtų galima panaudoti ir kuriant programinę įrangą, kuri automatiškai analizuotų surinktus duomenis iš pažeidžiamų grupių (vyresnių nei 65 metų, patyrusių galvos smegenų traumas, turinčių aukštą kraujospūdį ir kt.) – sistema įspėtų medicinos personalą apie anomalijas, susijusias su Alzheimerio ligos pradžia.

R. Maskeliūnas, kurio pagrindinė tyrimų sritis – multimodalinių (daugialypių) signalų apdorojimas DI priemonėmis, sako, kad aukščiau aprašytą modelį galima integruoti į sudėtingesnę sistemą, analizuojančią keletą skirtingų parametrų, pvz., taip pat stebėti akių judesius, veido skaitymą, balso analizę ir panašius modalumus. Tokia technologija galėtų būti naudojama ir paties paciento savikontrolei: jei kas nors keltų susirūpinimą, sistema paragintų nedelsiant kreiptis į specialistą.

„Technologijos leidžia mediciną padaryti prieinamesnę ir pigesnę. Nors technologijos niekada (ar bent jau dar negreitai) nepakeis medicinos specialistų, jos gali paskatinti ieškoti savalaikės diagnozės ir pagalbos. Nepaisant to, turime kuo geriau išnaudoti duomenis. Būtent todėl mūsų tyrimų grupė veikia pagal Europos atvirojo mokslo principą: kiekvienas galės pasinaudoti mūsų sukauptomis žiniomis ir jas plėtoti toliau. Manau, kad toks principas ženkliai prisideda prie visuomenės pažangos“, – įsitikinęs R. Maskeliūnas.

Šaltinis: Odusami, M.et al. Analysis of Features of Alzheimer’s Disease: Detection of Early Stage from Functional Brain Changes in Magnetic Resonance Images Using a Finetuned ResNet18 Network. Diagnostics 2021, 11, 1071. https://doi.org/10.3390/diagnostics11061071