深度学习能否帮助及早诊断阿兹海默氏症（老年痴呆）？

via Getty Images/ IEEE

现在还没有针对阿兹海默氏症（老年痴呆）的标准临床测试手段，所以医生们通常是通过对病人进行认知测试测试他们认知减退的程度来诊断这个疾病的。但是对于轻度认知障碍（MCI）的患者来说，这种诊断策略很难奏效。临床上痴呆的早期症状很不明显，而预测轻度认知障碍的患者什么时候会发展成阿兹海默氏症（并不是所有疾病都会这样发展的）。

所以研究者想要将深度学习应用到这项挑战中就不奇怪了。弗吉尼亚州乔治梅森大学的心理学教授Pamela Greenwood说，“有些测试很喜欢告诉你：‘这个人会得阿兹海默氏症，那个人不会。’”

最近，哈佛大学、麻省综合医院和中国华中科技大学的一群研究者设计了一种综合了功能性磁共振成像（fMRI）脑部扫描和许多临床数据的用来预测阿兹海默氏症的程序。五月的时候他们首次在马来西亚吉隆坡举办的IEEE国际交流会议（IEEE International Conference on Communications）上公开发布了这项研究的成果。

“我们想要在疾病非常早期的阶段就发现它的存在，”麻省综合医院临床资料管理中心的研究员李全政教授（QuanZheng,Li）表示，“很多人想用传统的机器学习方法来做这件事，但是结果并不好，因为这个问题确实很难解决。”

在开始测试后，他们表示将他们的深度学习程序的结果和一个特定的fMRI数据库资料组配对时，会比使用传统的数据库和诊断方法方法的结果提高20%的精确度。但是当这些传统的分类方法使用这种特殊的数据组后，它们的准确率也获得了相似程度的提升。

爱丁堡大学的生物医学工程师Javier Escudero表示这说明新的诊断程序相比旧的的优势并没有想象中那么大，可能只是数据更优化的结果。

如果事实真是这样的话，那其他想要将深度学习应用到诊断阿兹海默症的专家们可能就会更仔细的审视一下自己用来进行分析的数据了。这项最新的研究成果：可以显示大脑各区域之间的关系的fMRI扫描比提供了比之前那些只是记录各种数值的扫描更细腻的视野。

到目前为止，哈佛领导的这个小组正在试图通过结合fMRI扫描和深度学习来预测MCI病人有多大可能会发展成阿兹海默氏症患者。使用fMRI是因为这种仪器能显示被检测者脑部的电信号活动和大脑不同区域连接起来的方式。

描述这种不同区域的连接的术语叫“功能连接（functional connectivity）”，在病人患上MCI后这种连接的样式会发生改变，这是因为信号的传播依赖着对神经元的氧气供给，但是在阿兹海默氏症患者神经元中积累的蛋白质几乎断绝了氧气的供应，造成大脑区域的萎缩。

这些研究者想知道他们能否从这种功能连接的变化中预测阿兹海默氏症的发作。他们从对93个MCI患者和101个普通患者的神经影像数据的分析开始。用从这些参与者的大脑中90个区域中测得的以时间序列为基础的130个fMRI测试数据，这些研究者能够发现在某段时间内神经信号是如何传播的。

接下来的一步相当重要，研究者将这些数据组处理得到了一组用来描述大脑内这些区域间信号连接强度的次级数据。也就是说，他们创建了一份“功能连接”地图来显示哪些区域和信号是互相关联的最紧密的。

最后，团队建立了一个可以用来解释这些“地图”的深度学习程序，把这些与年龄、性别、遗传风险因素等临床数据结合起来，来预测一个人有没有可能患上阿兹海默氏症。

李全政说研究结果的效果已经几乎精确到可以临床应用了，“当这种方法的精确度达到90%，它就很有用了”。她说，“我们的精确度还没有那么高，但也已经很接近了。”

即使是之前通过检测脑脊液中蛋白质容量是否过剩的用来预测MCI患者是否会转变为为阿兹海默氏症的实验室技术也只有大约65%的准确率。这意味着有些真正的患者没能被确诊，而有些则在无谓的担心其实并不会发生的疾病恶化。

但是在仔细过了一遍哈佛这个团队的研究的设计概要之后，在北卡罗来纳大学教堂山分校从事类似研究的认知计算科学家沈定刚（Dinggang Shen）表示了怀疑。

“没有任何人在这个领域能达到80%或者90%的准确度”，他说，“基于这样的研究，达到这种程度是不可能的”（概览的作者们承认他们给沈的早期草稿里有一些打字错误，但坚持声称这个精确度是没错的）。

研究结果显示他们在只使用fMRI数据，而没有使用功能连接地图的时候的精确度就已经比其他相关领域研究者的测试结果提高了几乎20%，不过，那些传统的预测方法在结合了功能连接地图的数据之后准确度也提升了大概16%。

Escudero说，这就是说这些使用功能连接地图或者互相连接的信号强度来判断阿兹海默氏症发病概率的程序会比之前那些只是测量大脑信号读数的方法要准确很多，“看来对结果准确度提升最大的就是对功能连接数据的使用了。”

这项最新的实验是最近广泛出现的在临床上应用深度学习或人工智能帮助医生做出复杂决定的尝试的一部分。而其中最著名的或许就是IBM的Watson尝试要帮助医生面对堆积如山的医疗记录和研究文献。

乔治梅森大学的GreenWood提出了一项重要的观点，告诉了我们因为现在还没有治疗阿兹海默氏症的疗法，因此任何针对这种病的类似的预测手段的作用都是有限的。这项技术也还需要经过同行审议和非常非常多的测试，才能真正实现临床应用。

via IEEE