Új tanulmány: A non-invazív teszt előrejelzi az Alzheimer-kór és a demencia kockázatát
Új kutatások szerint a technológia fejlődése lehetővé teszi a szoftver számára, hogy a szokásos orvoslátogatások során kapott információk alapján megjósolja az Alzheimer-kór és a kapcsolódó demenciák kialakulásának kockázatát.
A felfedezés fontos, mivel olcsó, nem tolakodó módszer egy olyan krónikus betegség kimutatására, amely gyakran megzavarja az egyén és családja életét.
Az Indiana Egyetem, a Regenstrief Intézet és a Merck tudósai kidolgozták és tesztelték az algoritmusokat az elektronikus orvosi nyilvántartások adatainak felhasználásával. Az új fejlemény fontos, mivel az Alzheimer-kórban és az ahhoz kapcsolódó demenciákban élő idősebb alapellátási betegek legalább 50% -a soha nem kap diagnózist.
És még sokan élnek tünetekkel két-öt évig, mielőtt diagnosztizálnák őket. Jelenleg a demencia kockázatának szűrésére szolgáló vizsgálatok invazívak, időigényesek és költségesek.
"Ebben a módszerben az a nagyszerű, hogy passzív, és hasonló pontosságot nyújt a jelenleg alkalmazott tolakodóbb tesztekhez képest" - mondta Malaz Boustani, az MPH vezető kutatója, a Regenstrief Intézet kutatója és az Indiana Egyetem professzora Orvostudományi Kar.
"Ez egy alacsony költségű, skálázható megoldás, amely jelentős hasznot hozhat a betegeknek és családtagjaiknak azáltal, hogy elősegíti őket a demens élet lehetőségének felkészülésében, és lehetővé teszi számukra a cselekvést."
A kutatócsoport, amely a Georgia állam, az Albert Einstein Orvostudományi Főiskola és a Szilárd Kutatócsoport tudósait is magába foglalta, nemrégiben két különböző gépi tanulási megközelítésről tett közzé eredményeit.
Egy tanulmány, amelyet a Az American Geriatrics Society folyóirata, egy természetes nyelv feldolgozó algoritmus eredményeit elemezte. Ebben a technikában a gépi tanulási megközelítéseket példák elemzésével határozzák meg.
Kapcsolódó megközelítés, amelyet egy Mesterséges intelligencia az orvostudományban cikk, megosztotta az eredményeket egy modellből, amely a döntési fák együttesét használja. Mindkét módszer hasonló pontosságot mutatott a demencia megjelenésének előrejelzésében a diagnózis felállításától számított egy és három éven belül.
Az algoritmusok kiképzése érdekében a kutatók a betegekről gyűjtöttek adatokat az Indiana betegellátó hálózatból. A modellek a vényekre és a diagnózisokra vonatkozó információkat használták fel, amelyek strukturált mezők, valamint az orvosi feljegyzéseket, amelyek szabad szöveg, a demencia megjelenésének előrejelzésére.
A kutatók azt találták, hogy a szabad szöveges feljegyzések voltak a legértékesebbek a betegség kialakulásának veszélyében lévő emberek azonosításában.
"Ez a kutatás izgalmas, mert potenciálisan jelentős előnyökkel jár a betegek és családtagjaik számára" - mondta Patrick Monahan, PhD, az IU Orvostudományi Kar tanulmányának szerzője és a Regenstrief kapcsolt tudósa.
"A klinikusok oktatást nyújthatnak a viselkedésről és szokásokról, hogy segítsenek a betegeknek megbirkózni tüneteikkel és jobb életminőséget élni."
Zina Ben Miled, PhD, MS, a Purdue Műszaki és Technológiai Iskola tanulmányának szerzője elmagyarázza: „A korai kockázatmeghatározás lehetőséget nyújt az orvosok és a családok számára, hogy gondozási tervet készítsenek. Tapasztalatból tudom, mekkora teher lehet a demencia diagnózisának kezelése. A teszt által biztosított ablak olyan fontos, hogy elősegítse a betegek és családjaik életminőségének javítását. ”
A családok számára nyújtott előnyök mellett ezek a módszerek jelentős költségmegtakarítást eredményezhetnek a betegek és az egészségügyi rendszerek számára is. Helyettesítik a drága vizsgálatok szükségességét, és lehetővé teszik a klinikusok számára, hogy a teljes populációt átvilágítsák, hogy azonosítsák a leginkább veszélyeztetetteket. A tünetek megjelenésének késleltetése szintén jelentős összeget takarít meg a kezelésen.
A következő lépés ezeknek a gépi tanulási algoritmusoknak a valós klinikákon történő telepítése, hogy teszteljék, segítenek-e a demencia igazabb eseteinek azonosításában, valamint hogy megtudják, hogyan befolyásolják a páciens hajlandóságát az eredmények nyomon követésére.
Forrás: Regenstrief Intézet
