Kunstmatige intelligentie presteert beter dan klinische tests bij het voorspellen van de progressie van de ziekte van Alzheimer.
![AI-tool voorspelt progressie van Alzheimer nauwkeuriger dan tests AI-tool voorspelt progressie van Alzheimer nauwkeuriger dan tests](http://witbeast.com/wp-content/uploads/2024/07/image-28-1024x418.png)
Wetenschappers van Cambridge hebben een tool voor kunstmatige intelligentie (AI) ontwikkeld die kan voorspellen of mensen met vroege tekenen van dementie stabiel blijven of de ziekte van Alzheimer ontwikkelen. Deze tool is in vier van de vijf gevallen accuraat.
Deze nieuwe aanpak zou de noodzaak voor dure en invasieve tests kunnen verminderen, wat vroege behandelresultaten verbetert. Vroege interventies, zoals veranderingen in levensstijl of nieuwe medicijnen, zijn in dit stadium het meest effectief.
Dementie is een groot wereldwijd gezondheidsprobleem dat meer dan 55 miljoen mensen wereldwijd treft en jaarlijks ongeveer $ 820 miljard kost. Naar verwachting zal het aantal gevallen in de komende 50 jaar bijna verdrievoudigen.
De ziekte van Alzheimer is de belangrijkste oorzaak van dementie en is verantwoordelijk voor 60-80% van de gevallen. Vroege detectie is cruciaal voor een effectieve behandeling, maar huidige methoden omvatten vaak invasieve of kostbare tests zoals positronemissietomografie (PET)-scans of lumbaalpuncties, die niet altijd beschikbaar zijn.
Door deze beperkingen kan het voorkomen dat bij een derde van de patiënten een verkeerde diagnose wordt gesteld of dat de diagnose te laat wordt gesteld voor een effectieve behandeling.
Een team van de afdeling psychologie van de Universiteit van Cambridge heeft een machine learning-model ontwikkeld om te voorspellen hoe snel personen met milde geheugenproblemen Alzheimer zullen krijgen. Hun onderzoek, gepubliceerd in het tijdschrift eClinicalMedicine, toont aan dat dit model nauwkeuriger is dan de huidige klinische diagnostische tools.
De onderzoekers bouwden hun model op met behulp van goedkope, niet-invasieve gegevens, waaronder cognitieve tests en MRI-scans die hersenatrofie aantoonden, van ruim 400 personen in een Amerikaans onderzoekscohort.
Vervolgens testten ze het model met echte gegevens van nog eens 600 deelnemers in de VS en 900 mensen uit geheugenklinieken in het Verenigd Koninkrijk en Singapore.
Het algoritme kon onderscheid maken tussen mensen met een stabiele milde cognitieve stoornis en mensen die binnen drie jaar Alzheimer zouden ontwikkelen. Het identificeerde correct personen die in 82% van de gevallen Alzheimer zouden ontwikkelen en in 81% van de gevallen personen die dat niet zouden doen, met behulp van alleen cognitieve tests en MRI-scans.
Dit algoritme was ongeveer drie keer nauwkeuriger dan huidige methoden, waardoor de kans op een verkeerde diagnose kleiner werd.
Met behulp van dit model konden onderzoekers mensen met Alzheimer in drie groepen indelen: degenen bij wie de symptomen stabiel bleven (ongeveer 50%), degenen bij wie de symptomen langzaam verergerden (ongeveer 35%) en degenen bij wie de symptomen snel verergerden (de overige 15%).
Deze voorspellingen werden gevalideerd met follow-upgegevens gedurende zes jaar. Deze vroege identificatie is cruciaal voor het toepassen van nieuwe behandelingen en het nauwlettend monitoren van snel vorderende patiënten.
Voor de 50% waarvan de symptomen stabiel blijven, suggereert het model dat hun problemen mogelijk te wijten zijn aan andere oorzaken, zoals angst of depressie, en dat zij verschillende klinische trajecten kunnen volgen.
Professor Zoe Kourtzi van de Universiteit van Cambridge zei: “We hebben een hulpmiddel ontwikkeld dat alleen gebruikmaakt van cognitieve tests en MRI-scans, maar dat gevoeliger is dan huidige methoden om te voorspellen of iemand Alzheimer zal ontwikkelen en hoe snel.”
“Dit kan de patiëntenzorg aanzienlijk verbeteren, door te laten zien wie nauwlettend in de gaten moet worden gehouden en door de angst te verlichten van degenen die naar verwachting stabiel zullen blijven. Het vermindert ook de noodzaak van onnodige tests.”
Het algoritme werd gevalideerd met gegevens van bijna 900 personen uit geheugenklinieken in het Verenigd Koninkrijk en Singapore. Hieruit bleek dat het algoritme in echte klinische settings gebruikt kan worden.
Dr. Ben Underwood, honorair consultant psychiater bij CPFT en universitair docent aan de Universiteit van Cambridge, benadrukte hoe belangrijk het is om onzekerheid over geheugenproblemen bij ouderen te verminderen, omdat deze tot zorgen en frustraties kunnen leiden.
Professor Kourtzi benadrukte de noodzaak van betere tools om dementie aan te pakken door vroegtijdig te identificeren en in te grijpen. Het team wil hun model uitbreiden naar andere vormen van dementie en verschillende soorten gegevens, zoals bloedtestmarkers.
“Ons doel is om onze AI-tool op te schalen om clinici te helpen de juiste patiënten op het juiste moment aan de juiste diagnostische en behandelpaden toe te wijzen”, aldus professor Kourtzi. “Dit kan de ontdekking van nieuwe medicijnen voor de behandeling van dementie versnellen.”
Informatiebron:
Robuuste en interpreteerbare AI-gestuurde marker voor vroege voorspelling van dementie in echte klinische settings. [eClinicalMedicine (2024)]. DOI: 10.1016/j.eclinm.2024.102725
Discussion about this post