バイオマーカー

科学分野:

• 神経科学
• 医用画像
• 人工知能

背景:

• アルツハイマー病（AD）の診断は、陽電子放出断層撮影（PET）などの神経画像や液体バイオマーカーを含む生理学的検査へと移行しています。
• 現在の診断プロセスは平均2年と時間がかかり、より効率的な方法の必要性が強調されています。
• 人工知能（AI）は、AD患者を特定するためにPETスキャンを分析する可能性を提供します。

研究 の 目的:

• アルツハイマー病の診断における説明可能なAIの可能性をアミロイドPETイメージングを使用して調査すること。
• 特定の脳領域のアミロイド負荷に基づいて患者を分類するAIモデルのパフォーマンスを評価すること。

主な方法:

• アルツハイマー病神経画像イニシアチブ（ADNI）研究の541人の患者からの医療データとPETスキャンを利用しました。
• 関心領域からのアミロイド負荷データでAIモデルをトレーニングし、患者を正常または障害ありに分類しました。
• アミロイドベータ、タウ、リン酸化タウバイオマーカー閾値を使用してAIモデルをテストし、最大10の脳領域に機械学習アルゴリズムを適用しました。

主要な成果:

• リン酸化タウ（p-tau）モデルは、72.8%で最高のテスト精度を達成しました。
• アミロイドベータ（Aβ）バイオマーカーモデルは、0.80の曲線下面積（AUC）で優れた全体的な分類パフォーマンスを示しました。
• シャプレー値は、前部帯状回と左舌状回がAβモデルの重要な領域であると特定しました。

結論:

• 説明可能なAIは、アミロイドPETスキャンからのAD診断に可能性を示し、関連する脳領域で中程度の精度を達成しました。
• 精度を高め、データセットの不均衡に対処するには、より大きなデータセットと層別交差検証などの技術が必要です。
• 神経画像バイオマーカーのAI駆動分析は、アルツハイマー病診断の効率と精度を向上させる可能性を秘めています。