小編發現不少朋友對于 可通過AI檢測到的阿爾茨海默氏病標志 這方面的信息都比較感興趣，小編就針對 可通過AI檢測到的阿爾茨海默氏病標志 整理了一些相關方面的信息 在這里分享給大家。

加州大學戴維斯分校和加州大學舊金山分校的研究人員表示，人工智能可以加快對阿爾茨海默氏病關鍵癥狀之一的精確檢測，他們在《自然通訊》上發表了有關機器學習工具的研究。

研究人員開發的機器學習工具可以檢測大腦中稱為淀粉樣蛋白斑塊的蛋白質碎片團塊，這些碎片會破壞神經細胞的連接并存在于阿爾茨海默氏病患者中。該工具的工作方式類似于Facebook如何識別所捕獲圖像上的臉部。它可以很快在腦組織中看到各種淀粉樣斑塊。

Brittany N. Dugger博士是UC Davis加州大學戴維斯分校病理學和檢驗醫學系的助理教授，也是該研究的主要作者，他與UCSF神經退行性疾病研究所助理教授Michael J. Keiser博士以及藥物化學系要弄清楚他們是否可以教一臺計算機來分析和識別人腦組織中不同類型的淀粉樣斑塊。Keizer和他的團隊設計了一種計算機程序，該程序可以基于數千個帶有人類標簽的示例識別模式，稱為卷積神經網絡(CNN)。

CNN需要足夠的訓練示例，以能夠自行識別淀粉樣蛋白斑塊，并訓練機器學習算法來識別在阿爾茨海默氏病中發現的腦部變化，包括看到核心斑塊和彌散性斑塊以及血管異常。為此，Dugger需要從43個健康和患病的大腦樣本的100萬張特寫圖像中標記成千上萬張圖像。使用一個以約會軟件(Tinder)為原型的平臺，Dugger可以使用戶向右滑動“是”，向左滑動“否”，從而可以每小時大約2,000張圖像的速度快速標記圖像中的斑塊。該程序被稱為“是否斑點”，Duggar注釋了70,000多個斑點或斑塊候選者。

在此數據庫上經過訓練后，該算法可以以98.7%的精度處理全腦切片幻燈片。此外，UCSF團隊測試了計算機的識別能力，以了解其做出預測的原因。

盡管該工具在分析數據上的能力大大超過了人類，但仍應被認為是對專家神經病理學家的補充。

杜格在一份聲明中說：“我們仍然需要病理學家。這是一種工具，就像鍵盤是用于書寫一樣。由于鍵盤有助于編寫工作流程，因此將數字病理學與機器學習結合使用可以幫助神經病理學工作流程。”

但是，在識別斑塊方面，計算機比Dugger更好。