Alzheimer voorspellen met behulp van AI

Een recent onderzoek, gepubliceerd door de Alzheimer’s Association, werpt licht op een nieuwe vroegdetectiemethode die miljoenen levens kan redden. Het onderzoek onderzoekt het gebruik van AI in geautomatiseerde voorspellingsprotocollen gecombineerd met stemscanmethoden om nauwkeurig de voortgang van Mild Cognitive Impairment (MCI) naar Alzheimer’s Disease (AD) binnen een periode van zes jaar te bepalen. Dit is wat u moet weten.

Alzheimer en dementie

Iedereen die met of voor een familielid met Alzheimer en dementie heeft gezorgd, kan getuigen van de moeilijkheden van de situatie. Met name is Alzheimer Disease de belangrijkste oorzaak van dementie wereldwijd. Het is een progressieve hersenaandoening die de mentale vermogens van een persoon na verloop van tijd aantast. Het proces verloopt geleidelijk, waarbij de symptomen zich ontwikkelen van eenvoudige vergeetachtigheid tot geheugenverlies, desoriëntatie, zelfverwaarlozing en verlies van spraak. Bovendien hebben patiënten met MCI een veel grotere kans om Alzheimer Disease te ontwikkelen.

Feiten over Alzheimer

Alzheimer Disease is de zesde grootste doodsoorzaak onder Amerikanen en blijft wereldwijd een groot probleem. Een onderzoek uit 2023 vond dat meer dan 6,7 miljoen Amerikanen aan deze ziekte lijden, waardoor patiënten niet in staat zijn voor zichzelf te zorgen, hun familieleden te herkennen of noodzakelijke dagelijkse taken uit te voeren.

Helaas wees het onderzoek ook op verhoogde risico’s in de toekomst. Het voorspelde dat tegen 2060 13,8 miljoen Amerikaanse burgers aan de ziekte zouden lijden. Deze factoren hebben veel onderzoekers ertoe aangezet oplossingen en preventiemethoden te zoeken om deze risico’s te verminderen, wat mogelijk talloze levens kan redden.

AD-pathologie

AD-pathologie is een term die verwijst naar hoe de hersenen beginnen af te breken onder de invloed van de ziekte. Huidige methoden vereisen het uitvoeren van neuropsychologische tests (NPT’s), waarmee zorgprofessionals de niveaus van beta-amyloïde peptiden (Aβ), hypergefosforyleerd tau-eiwit, reactieve astrocyten, microgliale activatie en andere biomarkers kunnen monitoren. Al deze factoren kunnen chronische ontsteking en andere problemen die geassocieerd worden met het begin van AD aangeven.

Huidige beperkingen van AD-pathologie

Deze methoden om het AD-risico van een patiënt te bepalen hebben enkele belangrijke nadelen. Ten eerste zijn ze duur. Elke test kan duizenden dollars kosten, waardoor ze alleen beschikbaar zijn voor mensen met een verzekering of toegang tot financiering. Bovendien zijn deze methoden vaak invasief. Elke keer dat er in de huid moet worden gesneden, neemt het risico op infecties en andere complicaties toe.

De toekomst van AD-detectie is stemgebaseerd

Onderzoekers hebben een directe correlatie opgemerkt tussen spraakachteruitgang en MCI. Daarom is er veel werk verricht om deze veranderingen te documenteren en op te nemen voor onderzoeksdoeleinden. Tegenwoordig zijn duizenden uren aan stemopnames van neuropsychologische onderzoeken beschikbaar. Daarnaast zijn er andere gegevens gekoppeld aan deze opnames. Deze FHS-studie is de grootste verzameling opnames.

Framingham Hartstudie (FHS)

De Framingham Hartstudie (FHS) loopt sinds 1948. Deze langdurige studie naar cardiovasculaire gezondheid onderzocht duizenden mannen die een beroerte of hartaanval hadden gehad. De langetermijnbenadering stelde de onderzoekers in staat om 10- tot 30-jaar risicovoorspellingsmodellen te ontwikkelen die van cruciaal belang zijn gebleken voor preventie, het ontwikkelen van medicatie en nu voor het programmeren van AI-modellen.

Deze samenwerking wordt ondersteund door het National Heart, Lung, and Blood Institute (NHLBI) en Boston University en is een van de langste en meest succesvolle cardiovasculaire studies die ooit zijn uitgevoerd. Hierdoor hebben de gegevens talloze medische doorbraken mogelijk gemaakt en blijven ze een krachtige bron van langetermijngezondheidsdata.

Als onderdeel van de studie werden in 2005 spraaktests aan de gegevens toegevoegd. Sindsdien hebben wetenschappers duizenden spraakpatronen van patiënten vóór en tijdens AD vastgelegd. Deze opnames leverden waardevolle inzichten op over hoe de geest afbreekt tijdens AD.

Kunstmatige intelligentie verbetert diagnostische methoden

De AI-revolutie heeft ingenieurs in staat gesteld om meer geavanceerde en efficiënte vroegwaarschuwingssystemen te creëren. In dit geval werd AI Natural Language Processing (NLP) gebruikt om linguïstische kenmerken te diagnosticeren die wijzen op cognitieve achteruitgang. Het algoritme kan miljoenen gegevenspunten kruisen om patiënten nauwkeurig op een dementieschaal te plaatsen op basis van hun communicatie.

Alzheimer en dementie studie

De studie paste NLP-technieken toe met machine learning-methoden om voorspellende modellen van MCI en dementie te verbeteren. Het team nam testinterviewopnames van n + 166 deelnemers aan de Framingham Hartstudie (FHS) om deze modellen te creëren. De modellen omvatten een reeks opties, van demografische gegevens tot een volledig spectrum aan data.
Een belangrijk verschil ten opzichte van eerdere pogingen was dat het team zich voornamelijk richtte op de voortgang van MCI naar AD in plaats van op normale cognitie. Het omvatte 90 progressieve MCI- en 76 stabiele MCI-gevallen als onderdeel van de aanpak. Deze gegevens werden ingevoerd in een geavanceerd AI-algoritme dat sleutel factoren onderzocht.

Invoergegevens

Het systeem gebruikte een variant van het logistieke regressiemodel dat subtestresultaten en TAS als belangrijkste voorspellingsindicatoren benutte. Als onderdeel van deze aanpak creëerde het team eerst een transcriptietool die het importeren van eerder opgenomen Framingham Hartstudie (FHS)-gegevens stroomlijnde.

Spraakgegevens

De spraakgegevens van de 166 deelnemers omvatten een uur durend interview met elke persoon. Deze gegevens waren eerder opgenomen en digitaal opgeslagen, waardoor het team methoden moest ontwikkelen om deze gegevens eenvoudig om te zetten naar tekst en vervolgens AI-modellen.

De Universele Zinsencoder

De Universele Zinsencoder is ontworpen om de werklast van het importeren van FHS-gegevens te verminderen. Het systeem scant automatisch FHS-gegevens en genereert vector-embeddings op basis van specifieke segmenten van het transcript van elke patiënt. Deze aanpak helpt de AI om nauwkeurigere voorspellingen te doen terwijl de werklast wordt verlaagd.

Verbeteringen van AI-modellen

Het onderzoeksteam gebruikte deze transcripties om een krachtig AI deep learning-algoritme te creëren. Het systeem haalt automatisch willekeurige gegevens uit het FHS-rapport en neemt daarvan monsters. Deze gegevens werden gebruikt om subtestinhoud te creëren en te coderen. In totaal werden acht specifieke embeddings gebruikt om de voortgang van AD en MCI te meten.

Logistieke regressiemodellen

Nieuwe AI-modellen, getraind op de kwantitatieve gegevens die aan elke subtestinhoud zijn gekoppeld, werden gecreëerd. De inhoud werd gescoord en gebruikt als individuele invoer voor modellering. Deze modellen werden vervolgens geanalyseerd en getest op effectiviteit, wat resulteerde in een (TAS) gemiddelde transcriptiescore voor elk. Deze scores en TAS stelden AI in staat om de voortgang van MCI nauwkeurig te monitoren.

Het primaire model omvatte een reeks waardevolle gegevens over de deelnemers. Specifiek omvatte het demografische gegevens, APOE-dragersstatus, gezondheidsfactoren en tekstkenmerken geïmporteerd uit de FHS-studie. Dit model scoorde het hoogst, met bijna 80% nauwkeurigheid bij het bepalen van het begin van AD binnen zes jaar.

Het team testte ook een model dat alleen demografische gegevens van de deelnemers in aanmerking nam. Er was ook een uitsluitend tekstmodel dat de FHS-tekstinvoer als primaire bron gebruikte. Opmerkelijk is dat het demografische AI-model AD voorspelde met een nauwkeurigheid van 68,8%. Indrukwekkend behaalde het meest nauwkeurige model, dat alle relevante gegevens omvatte, een nauwkeurigheid van 79%.

Testen van de modellen

De prestaties van elk model werden getest met een groeps-k-fold cross-validatiebenadering die belangrijke factoren onderzocht, waaronder nauwkeurigheid, precisie, sensitiviteit en specificiteit. Daarnaast werden cross-validatie- en feature-selectietests uitgevoerd.

Resultaten

De resultaten van het onderzoek zijn veelbelovend. Het nieuwe AI-detectiemodel had een nauwkeurigheid van 79% bij het bepalen van het begin van AD binnen 6 jaar. Het team ontdekte dat hoe meer gegevensinvoer er werd toegevoegd, hoe nauwkeuriger de AI het risico van een persoon kon bepalen. Daarom zijn spraakgegevens, leeftijd, geslacht en opleidingsniveau allemaal factoren die een rol spelen in het risico van een persoon op AD.

Voordelen van de Alzheimer-ziekte studie

Er zijn enkele serieuze voordelen die deze studie de gemiddelde persoon kan bieden. Ten eerste zijn AI-gebaseerde voorspellingsmethoden veel betaalbaarder en toegankelijker voor het publiek. De kosten van de huidige tests binnen het winstgerichte zorgsysteem blijven stijgen vanwege de noodzaak om laboratoria en monsters te gebruiken. Het nieuwe AI-systeem elimineert deze behoeften, waardoor de kosten voor alle deelnemers aanzienlijk worden verlaagd.
Bovendien kan het integreren van een geautomatiseerd detectiesysteem artsen en zorgprofessionals helpen om behandelingen en medicatie nauwkeuriger en sneller voor te schrijven wanneer dat mogelijk is. Deze verbeterde reacties kunnen in veel gevallen een levens- of doodverschil betekenen.

Niet-invasief

Deze AI-methode voor het detecteren van AD is niet-invasief. Artsen hoeven geen weefselmonsters te nemen om de voortgang van AD te bepalen, waardoor het risico op infecties of andere complicaties wordt verminderd.

Bedrijven die kunnen profiteren van deze studie

Verschillende bedrijven zouden hun producten en diensten kunnen verbeteren door deze nieuwe geautomatiseerde AI AD-detectiemethode te integreren. Deze bedrijven zijn gespecialiseerd in AD-preventie- en voorspellingsmethoden. Hierdoor kunnen ze patiënten beter voorschrijven en diagnosticeren, wat leidt tot snellere reactietijden. Hier zijn twee bedrijven die klaarstaan om deze technologie vandaag nog te integreren.

1. Biogen

BIIB Prijsgrafiek

Biogen is een toonaangevend biotechbedrijf gevestigd in Massachusetts, VS. Het bedrijf heeft een verscheidenheid aan producten die zijn ontworpen om neurologische en auto-immuunziekten te voorkomen, behandelen en te ondersteunen. Het integreren van een geautomatiseerd AD-detectiemodel zoals dat van de onderzoekers zou de reactietijd van het bedrijf aanzienlijk verbeteren.
Biogen-aandelen worden beschouwd als een solide positie vanwege de geschiedenis en marktpositie. Het bedrijf heeft de afgelopen vier jaar langzame en gestage winsten gezien en heeft momenteel een marktkapitalisatie van $33,16 miljard. Analisten voorspellen dat de fabrikant verdere omzetstijgingen zal zien dankzij zijn pioniersinspanningen en de toenemende vraag naar vroege preventiemethoden.

2. Eisai

Het in Tokio gevestigde Eisai blijft een wereldwijde kracht in de medische onderzoeks- en ontwikkelingssector. Het bedrijf is gespecialiseerd in de import en export van farmaceutische producten en heeft samengewerkt met andere toonaangevende merken, waaronder Biogen, aan een Alzheimer Disease-medicijnovereenkomst. Deze overeenkomst stelt de bedrijven in staat om vrijelijk gegevens te delen in de hoop een belangrijke doorbraak te bereiken in de diagnose en behandeling van deze aandoening.
Eisai is een marktleider en heeft bijgedragen aan onderzoek en ontwikkeling van zeer succesvolle farmaceutica. Het bedrijf geniet sterke steun van de investeringsgemeenschap en is opgenomen in de Argus U.S. ESG-modelportefeuille. Deze aandelenaanbeveling is gebaseerd op milieu-, governance- en sociale criteria. Om deze redenen is ESALY een verstandige toevoeging aan elke portefeuille.

Toekomst van AI in de gezondheidszorg

Deze studie is een van de vele die de aandacht hebben getrokken van mensen die lijden aan Alzheimer. Binnenkort kunnen er geautomatiseerde en zeer betaalbare diagnostische hulpmiddelen voor thuis beschikbaar zijn die iedereen, overal, in staat stellen hun gezondheidsrisico te monitoren. Deze apparaten hoeven niet beperkt te blijven tot alleen Alzheimer-preventie. Hier zijn enkele andere coole AI-medische verbeteringen.

AI-beroerte-detectie

AI-systemen zijn nu beschikbaar om beroertes te detecteren. Voor noodpersoneel is het bepalen of iemand een beroerte of een andere aandoening heeft vaak de eerste stap om hun leven te redden. Opmerkelijk is dat een team van biomedische ingenieurs van de RMIT University een nieuw hulpmiddel heeft gecreëerd dat AI benut om een CVA binnen enkele seconden te identificeren. De software gebruikt een smartphonecamera om via gezichtskenmerken te bepalen of er een beroerte heeft plaatsgevonden.

AI-ondersteunde spraak

AI-ondersteunde spraak is een ander gebied binnen de gezondheidszorg dat aanzienlijke verbeteringen heeft gezien. Deze systemen gebruiken grote taalmodellen om mensen die door ongevallen of belemmeringen geen woorden kunnen uitspreken, in realtime zinnen te laten vormen. Deze technologie helpt al duizenden mensen met communicatieproblemen om tegenslagen te overwinnen en een meer vervullend leven te leiden.

AI-ondersteunde beweging

AI-systemen hebben ook de mobiliteit van miljoenen mensen verbeterd. Onderzoekers gebruiken nu AI om de prestaties van exoskeletten te verbeteren. Deze apparaten, die vroeger een afstandsbediening vereisten om te bedienen, kunnen nu uw volgende beweging bepalen en automatisch helpen bij het beklimmen van trappen, steile hellingen en ander terrein dat normaal gesproken onhaalbaar zou zijn voor andere loopondersteuningssystemen.

AI helpt Alzheimer te verslaan

AI-technologie kan mensen die lijden aan Alzheimer helpen hun vervagende herinneringen bij te houden en een beter leven te leiden. Deze nieuwste ontwikkeling toont aan hoe AI-preventie en -diagnose de eerste stappen kunnen zijn om deze aandoening uiteindelijk te verslaan. Hierdoor biedt dit onderzoek een nieuw niveau van vertrouwen en opent het de deur naar een gezondere en cognitief actievere bevolking in de toekomst.
Klik voor meer coole AI-ontwikkelingen.