Компьютерная модель может обрабатывать разные источники клинических данных для прогнозирования возраста мозга

Автор

Ученые подготовили компьютер для анализа различных типов сканирования мозга и прогнозирования возраста человеческого мозга, согласно новому исследованию в журнале открытого доступа eLife .

Их результаты предполагают, что клиническую модель можно использовать для комбинирования различных типов тестов функции мозга для прогнозирования результатов других пациентов, таких как снижение когнитивных функций или депрессия.

Неинвазивные тесты функции мозга, такие как магнитоэнцефалография (МЭГ), магнитно-резонансная томография (МРТ) и позитронно-эмиссионная томография (ПЭТ), играют решающую роль в клинической неврологии. Но поскольку все эти тесты измеряют различные аспекты работы мозга, ни один из них сам по себе не является оптимальным. Обучение компьютеров анализировать данные из разных тестов и прогнозировать клинический результат даст более полную картину работы мозга.

«Компьютерные модели, которые были обучены прогнозировать возраст человека по данным мозга здоровых групп населения, предоставили полезную клиническую информацию», – объясняет ведущий автор Дени Энгеманн, научный сотрудник Inria, французского национального исследовательского института цифровых наук. «Проблема в том, что в клинике не всегда возможно получить все типы данных, необходимых для этого анализа».

В этом исследовании команда решила выяснить, могут ли они разработать модель, которая объединяет анатомическую информацию, полученную при сканировании с помощью МРТ, с информацией о ритмах мозга, которые мощно фиксируются MEG. Самое главное, они хотели увидеть, будет ли модель работать, если некоторые данные будут отсутствовать.

Они обучили свою компьютерную модель подмножеству данных из базы данных Cam-CAN, которая содержит данные МЭГ, МРТ и нейропсихологии для 650 здоровых людей в возрасте от 17 до 90 лет. Затем они сравнили разные версии модели со стандартным анатомическим сканированием МРТ и модели, которые имели дополнительную информацию из функциональных сканирований МРТ (МРТ) и тестов МЭГ. Они обнаружили, что добавление сканирования МЭГ или МРТ в стандартную МРТ привело к более точному прогнозу возраста мозга. Когда оба были добавлены, модель была улучшена еще больше.

Затем они рассмотрели маркер возраста мозга (называемый дельтой возраста мозга) и изучили, как это связано с различными функциями мозга, которые измеряются с помощью МЭГ и МРТ. Это подтвердило, что МЭГ и фМРТ предоставляли уникальную информацию о функции мозга, добавляя дополнительную мощность в общую модель.

Однако, когда они протестировали свою модель по полной базе данных Cam-CAN из 650 человек, некоторые из которых не имели данных МРТ, МРТ и МЭГ, они обнаружили, что даже при отсутствии данных компьютерная модель, использующая то, что было доступно, была еще более точный, чем только МРТ. Это важно, потому что в больничных неврологических клиниках не всегда возможно зарегистрировать пациентов для каждого типа сканирования.

Фактически, поскольку большинство больниц используют электроэнцефалографию (ЭЭГ), а не тесты на МЭГ, еще одним важным выводом было то, что наиболее мощное измерение функции мозга, которое тесты на МЭГ обеспечивают модели, также можно точно измерить с помощью ЭЭГ. Это означает, что в клинике ЭЭГ потенциально может заменить МЭГ без влияния на прогнозирующую способность модели .

«Мы использовали оппортунистический подход для обучения компьютерной модели, чтобы извлечь уроки из имеющихся данных и предсказать возраст мозга», – заключает старший автор Александр Грамфорт, директор по исследованиям в Inria. «Мы ожидаем, что аналогичные показатели могут быть разблокированы с помощью более простых тестов ЭЭГ, которые обычно используются наряду с МРТ в клинике и могут быть легко применены к другим клиническим конечным точкам, таким как дозировка препарата, выживаемость или диагностика».



Похожие записи:

Оставьте свой комментарий!

* Обязательные для заполнения поля
Все отзывы проходят модерацию.


Adblock
detector