生物科學門戶網站
www.crxpr.com

湖南幸运赛车:無監督機器學習以驚人的準確性預測阿爾茨海默氏癥

湖南幸运赛车 www.crxpr.com 全世界將近5000萬人患有阿爾茨海默氏病或??其他形式的癡呆癥。盡管年齡是發展該病的最大風險因素,但研究人員認為,大多數阿爾茨海默氏癥的發生是由于基因與其他因素之間復雜的相互作用。但是,這些因素及其發揮的作用尚不清楚。

在一項新研究中,USC研究人員使用機器學習來識別潛在的基于血液的阿爾茨海默氏病標記物,這些標記物可有助于早期診斷并導致采用非侵入性方式跟蹤患者疾病的進展。該方法由USC信息科學研究所(ISI)的高級研究負責人USC計算機科學研究助理教授Greg Ver Steeg開發?;餮笆僑斯ぶ悄?AI)的子集,它使計算機無需進行顯式編程即可學習。

“這種類型的分析是一種發現數據模式以識別疾病的關鍵診斷標記的新穎方法。” -Paul Thompson。

“這種類型的分析是發現數據模式以識別疾病關鍵診斷標志物的一種新穎方法,” USC馬克和瑪麗·史蒂文斯神經影像與信息學研究所副主任,凱克醫學院的教授Paul Thompson說。南加州大學醫學。“在一個非常龐大的健康指標數據庫中,它幫助我們發現了沒有人懷疑的阿爾茨海默氏病的預測特征。”

這項研究“在衰老的大腦中發現健康的生物學相干外圍特征和患阿爾茨海默氏病的風險”,出現在11月28日,衰老神經科學前沿。研究作者來自USC Mark和Mary Stevens神經影像與信息學研究所以及USC信息科學研究所。

鑒定生物標志物

盡管迄今為止,大多數阿爾茨海默氏癥的研究都集中在已知的假設上,例如大腦中淀粉樣蛋白斑塊和tau蛋白的積累,但事實證明,這兩種方法都很難在血液中進行測量。

因此,診斷測試主要基于內存。不幸的是,當一個人開始表現出記憶力減退的跡象時,他們可能已經患有這種疾病已有數十年了。盡早發現疾病,甚至在癥狀出現之前,是通過改善生活質量的藥物和生活方式改變來控制疾病的關鍵步驟。

結果,南加州大學的神經科學家想知道阿爾茨海默氏癥是否還有其他“隱藏”指標,這些指標可以通過常規血液檢查發現。但是,當您不知道要尋找的東西時如何找到東西?

因此,他們將注意力轉向了機器學習,并招募了專門研究復雜數據的USC計算機科學家兼物理學家Greg Ver Steeg。

在2013年,Ver Steeg開發了一種先進的機器學習方法,稱為“相關說明(CorEx)”,該方法可以在經常被大量數據(包括神經科學,心理學和金融學)淹沒的區域中找出模式。同年,當加州理工學院的計算生物學家雪莉·佩普克(Shirley Pepke)使用該算法研究自己的癌癥時,該方法成為了新聞。

在這項特殊的研究中,科學家的目標是使用相同的算法來發現可能與阿爾茨海默氏病相關的醫學數據中的隱藏因素或相關因素簇。

Ver Steeg說:“可能沒有一個單一的預測器可以預測您是否會出現認知能力下降,是否已經開始,或者它將有多嚴重。”“但是也許有一些指標集合會更好。我們正在研究的問題是,是否可以使用該算法找到比單獨測量的因素更好地預測阿爾茨海默氏癥的特征組。”

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播更多信息之目的,如作者信息標記有誤,請第一時間聯系我們修改或刪除,多謝。

{ganrao}