AI jako nástroj pro včasnou diagnózu Alzheimerovy choroby

Alzheimerova choroba postihuje miliony lidí po celém světě a představuje jednu z největších zdravotních výzev současnosti. Včasná diagnóza této neurodegenerativní choroby je klíčová pro účinnou léčbu a intervenci. Bohužel její diagnóza bývá obvykle pozdní z důvodu velmi subtilních změn, které Alzheimerovu chorobu indikují a kvůli nimž je obtížné rozeznat Alzheimerovu chorobu v její rané fázi. 

Nová studie publikovaná v časopise Radiology nicméně poukazuje na možné řešení pro včasnou diagnózu: výzkumníci se zaměřili na využití umělé inteligence (AI) k posílení diagnostické schopnosti magnetické rezonance (MRI) pro predikci Alzheimerovy choroby dlouho před tím, než se začnou projevovat klinické příznaky. Tato inovativní metoda, založená na hlubokém učení a analýze obrazových dat, může odhalit subtilní změny v metabolismu mozku, které jsou spojené s touto chorobou.

Stručný úvod do Alzheimerovy choroby

Alzheimerova choroba je neurodegenerativní onemocnění mozku, které postupně ovlivňuje kognitivní schopnosti a paměť. Její příznaky se obvykle projevují postupným zhoršováním paměti, dezorientací v čase a prostoru, problémy s koncentrací a rozhodováním. Mezi další obvyklé příznaky patří problémy s řečí a komunikací, u postižené osoby jsou znatlené změny nálady a chování, a nakonec i ztráta schopnosti se o sebe postarat.

Příčina Alzheimerovy choroby není zcela objasněna. Diagnóza proto většinou přichází až po zjištění viditelných kognitivních potíží, v této fázi je Alzheimerova choroba již obvykle v pokročilém stádiu a na léčbu či pozastavení této progresivní choroby bývá málo prostředků. Hlavní roli v rozvinutí Alzheimerovy choroby hraje kombinace genetických faktorů, vlivů prostředí a akumulace abnormálních proteinů v mozku, zejména beta-amyloidových plaků a tau proteinů. Tyto změny v mozku postupně narušují komunikaci mezi neurony a vedou k degeneraci mozkové tkáně. Předpokládá se, že hlavními viníky mohou být např. chronický stres, chronický zánět (který se stresem souvisí) a chronická vysoká hladina cukru v krvi.

Za zmínku stojí, že ačkoli jsou za viníky často považovány proteiny beta-amyloidu a neurofibrilární klubka proteinu tau, tyto proteiny se běžně vyskytují ve zdravém těle a zastávají důležité funkce. Problémem se stávají v momentě, kdy začnou mutovat a přestanou vykonávat svou přirozenou funkci. Mutace mohou vzniknout např. nezdravým životním stylem, jako je nedostatek spánku, kouření, konzumace nedostatečně výživových potravin, nedostatek pohybu apod.

Typickým příznakem Alzheimerovy choroby je postupné zhoršování paměti, zejména krátkodobé paměti, což se projevuje opakovaným zapomínáním nedávných událostí a obtížemi souvisejícími s uchováváním nových informací. 

Vývoj Alzheimerovy choroby od roku 1 900 v USA

Podle dat od Alzheimerovy asociace trpí Alzheimerovou chorobou ve Spojených státech více než 5 milionů lidí a je šestou nejčastější příčinou úmrtí v této zemi. Demence včetně Alzheimerovy choroby je celosvětový problém, který se dotýká téměř všech států. V Austrálii je demence druhou nejčastější příčinou úmrtí. Podle organizace Alzheimer’s Disease International činily celosvětové náklady na demenci v roce 2015 až 818 miliard americký dolarů. Pro představu se jedná o zhruba 818 000 000 000,00 dolarů.

Obrázek 1: Počet lidí v USA starších 65 let s Alzheimerovou chorobou v minulosti a prognóza do roku 2050. Zdroj: www.ouhsc.edu/

Jakou roli může hrát umělá inteligence v diagnostice Alzheimerovy choroby?

Podle studie zveřejněné v časopise Radiology, může umělá inteligence znatelně přispět k odhalení Alzheimerovy choroby již v rané fází. 

Výzkumný tým se pokusil spojit proces choroby se změnami v metabolismu, které se projevují příjmem glukózy v určitých oblastech mozku, tyto změny bývají však obtížně rozpoznatelné.

„Rozdíly ve způsobu jakým mozek glukózu přijímá jsou velmi jemné,“ uvedl spoluautor studie doktor Jae Ho Sohn, z oddělení radiologie a biomedicínského zobrazování Kalifornské univerzity v San Francisku (UCSF). „Lidé jsou dobří v hledání specifických biomarkerů onemocnění, ale metabolické změny představují více komplexní a jemnější proces.“

Stav našeho metabolismu odkazuje na stav celého našeho organismus, jelikož schopnost přijímat, zpracovávat a využívat energii tvoří jednu z esenciálních částí našeho organismu, poruchy metabolismu se pak podepisují na mnoha částech našeho těla. Poruchy v metabolismu mohou odkazovat na zvýšenou hladinu glukózy v krvi, nedostatečně vyživovaný mozek a s tím související i zvýšená hladina stresových hormonů a změny nálad.

Využití algoritmu pro hluboké učení

Vedoucí autor studie, doktor Benjamin Franc z UCSF, se zajímal o možnost použití hlubokého učení v diagnostice Alzheimerovy choroby. Hluboké učení je součást umělé inteligence, které probíhá na neurálních sítí a umožňuje modelu se učit, získávat zpětnou vazbu a překonávat překážky. Tato součást umělé inteligence by mohla znatelně pomoci v nalezení změn v metabolismu mozku, které mohou indikovat ranou fázi Alzheimerovy choroby.

Výzkumníci trénovali algoritmus hlubokého učení na speciální zobrazovací technologii známou jako 18-F-fluorodeoxyglukózová pozitronová emisní tomografie (FDG-PET). Při vyšetření FDG-PET se do krve vstřikuje FDG, radioaktivní sloučenina glukózy. Při vyšetření PET lze následně měřit, jak mozkové buňky na FDG reagují. Reakce buněk pak odkazuje na metabolickou aktivitu.

Jednoduše si lze tento způsob představit na analogii u sonaru. Sonar je zařízení, které se používá na lodích, a které vysílá zvukové vlny pod loď. Zvukové vlny se odráží od mořského dna a poté putují zpět směrem k lodi, kde jsou snímány senzory. Díky zvukovým vlnám pak lze zjistit kritické informace jako jsou např. mořská hloubka či povrch mořského dna. Ne jinak je tomu v našem případě. Do organismus se vpustí FDG, a poněvadž jsme schopní FDG pozorovat/snímat, můžeme určit, jak na FDG bude buňka reagovat, a tedy v jakém stavu se nachází.

Algoritmus se ukázal jako velmi slibný, dosáhl dokonce až 100% úspěšnosti

Výzkumníci měli přístup k údajům z Alzheimer´s Disease Neuroimaging Initiative (ADNI). ADNI je rozsáhlá studie zaměřená na klinické pokusy o zlepšení prevence a léčení Alzheimerovy choroby. Soubor dat v ADNI obsahoval více než 2 100 FDG-PET snímků mozku od 1 002 pacientů. Vědci učili algoritmus hlubokého na 90 % všech snímků a poté jej otestovali na zbývajících 10 % snímků. Díky hlubokému učení se algoritmus dokázal naučit metabolické vzorce, které byli spojovány s Alzheimerovou chorobu.

Nakonec byl algoritmus otestován na nezávislé sadě 40 obrazových vyšetření od 40 pacientů, se kterými nikdy doposud algoritmus nebyl konfrontován. Algoritmus dosáhl 100% úspěšnosti v detekování nemoci v průměru více než 6 let před konečnou diagnózou.

„S výkonem algoritmu jsme byli velmi spokojeni,“ řekl Dr. Sohn. „Dokázal předpovědět každý jednotlivý případ, který se později rozvinul do Alzheimerovy choroby.“

I přestože Dr. Sohn upozornil, že jejich nezávislý testovací soubor nebyl svou velikostí dostačující pro vyvození finálního verdiktu o úspěšnosti algoritmu, algoritmus by mohl být velmi užitečným nástrojem, který doplní práci radiologů – zejména ve spojení s dalšími biochemickými a zobrazovacími testy – a poskytne tak možnost včasného terapeutického zásahu.

Díky včasné diagnóze by bylo možné proces onemocnění významně zpomalit nebo dokonce zvrátit. 

Závěr

Podle doktorky Youngho Seo z UCSF, která byla jednou z poradkyň studie, by se měl směr budoucích výzkumů směřovat k trénování algoritmu pro hluboké učení s cílem najít vzorce spojené s akumulací proteinu beta-amyloidu a neurofibrilárních klubek proteinu tau a abnormálních shluků bílkovin, které bývají hlavními ukazateli Alzheimerovy choroby.

AI se tak může stát hlavním pomocníkem v medicíně, díky níž budeme schopní detekovat onemocnění dlouho před tím, než dojde k jeho rozvinutí. Díky tomu budeme schopní nemoc významně zpomalit nebo dokonce zvrátit.

Zdroje:

• ScienceDaily. (2018, November 6). Artificial Intelligence predicts Alzheimer’s years before diagnosis. ScienceDaily. https://www.sciencedaily.com/releases/2018/11/181106104249.htm 
• Ryan, N. S., Rossor, M. N., & Fox, N. C. (2015, November 4). Alzheimer’s disease in the 100 years since alzheimer’s death. OUP Academic. https://academic.oup.com/brain/article/138/12/3816/415650 
• Fabrizio, C., Termine, A., Caltagirone, C., & Sancesario, G. (2021, August 14). Artificial Intelligence for alzheimer’s disease: Promise or challenge? Diagnostics (Basel, Switzerland). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8391160/