原文來源：GenAI新世界
圖片來源：由無界AI生成
根據外媒報道，隨著 AI技術的發展，有朝一日，阿茲海默症的檢測將會像檢查視力一樣簡單。
位於多倫多的醫藥公司RetiSpec 最近表示，他們開發了一種全新的AI演算法，可以幫助分析眼部掃描的結果，在人們出現阿茲海默症症狀的20年前就檢測出是否可能患病。這項技術將幫助研究人員利用AI技術揭開阿茲海默症這個困擾700多萬美國人的疾病的神秘面紗。
多年來，許多人都在研究阿茲海默症的病因，包括腦部發炎和神經性病變。但目前這種疾病的確切病因仍難以捉摸。阿茲海默症不僅難以治療，甚至很難提前檢測到。而不少研究人員表示，AI技術的發展開創了神經相關疾病診斷的新紀元。
根據RetiSpec的聯合創始人Eliav Shaked表示：“歸根結底，當前的醫學研究對大腦工作原理仍然有很多不了解的地方，而AI技術的力量可以幫助大家更好地把這些問題聯繫起來。”
除了RetiSpec之外，還有一家位於加州薩克拉門託的新公司也在參與相關的研究。這家叫做Neurovision的新創企業目標是利用機器學習技術來改進視網膜掃描和血液測試技術，幫助高風險族群檢測阿茲海默症或其他的失智症。
根據Neurovision的共同創辦人Steven Verdoone表示，Neurovision的人工智慧模型可以分析眼球掃描影像中的異常情況，例如某些蛋白質的堆積或形狀扭曲的血管，而這些都與阿茲海默症有關。
目前人們很少能在體檢掃描中發現這些跡象，許多掃描出來的圖片都存在暗區。而且斑塊沉積可能會非常小，僅靠人眼無法很好地進行辨識。但在Verdoone看來，AI在這方面比人類表現得更好。
來自亞利桑那大學醫學院的神經病學副教授Rui Chang 建立了一個AI模型，旨在找出與阿茲海默症相關的遺傳病因。根據Rui Chang副教授表示，「對於研究人員來說，採用傳統方法非常緩慢，就像一棵樹一棵樹地來觀察一片森林。而AI可以一次性地吸收整片森林的訊息，並找出人們無法發現的模式。”
Rui Chang的AI模型花了兩個月的時間確定了6000個基因靶點，這些靶點如果被排除或抑制住，或許能夠幫助人們控制住阿茲海默症發。據Chang表示，這個工具可以讓相關研究縮短十年。依靠這個模型，Chang成立了一家名為Path Biotech的公司，並計劃在明年開始臨床試驗。
「亞利桑那大學醫學院的神經病學副教授 Rui Chang
在2021年，阿茲海默症是美國第六大死因。一直到今年7月，美國食品藥物管理局才批准了一種名為Leqembi的藥物，它可以清除阿茲海默症患者大腦中聚集的黏性斑塊－-澱粉樣蛋白。但目前識別這種疾病的技術既昂貴又困難。
有症狀的人可以透過脊髓穿刺或PET 掃描來檢測他們是否體內有高濃度的澱粉樣蛋白和糾纏在一起的tau 蛋白，這種蛋白在阿茲海默症患者體內非常常見。 RetiSpec 首席商務官Catherine Bornbaum表示，這種掃描非常準確，是診斷阿茲海默症的黃金標準。與屍檢結果相比（這是確定病人死時是否患有阿茲海默症的唯一方法），PET 掃描的診斷成功率接近90%。但這種機器並沒有普及，掃描的費用很貴。這項診斷可能會花費數週的時間，一次診斷費用約為6000美元，且不能靠保險公司報銷。
而有了AI技術的支持，不僅診斷速度被加快了，還可以降低其成本。 RetiSpec的AI技術可以幫助提取攝影機的掃描結果，這需要一種新型攝像頭，目前已經安裝在許多驗光診所的設備上。
這種攝影機測量的光譜範圍比人眼更廣，讓AI可以檢測出與大腦中澱粉樣蛋白存在情況相對應的獨特光學特徵。最新的研究顯示，透過271名患者的調查，新技術檢測到澱粉樣蛋白的準確率達到了80%。
但在實際應用中，這種方法還有一定的問題。來自麻州總醫院的研究人員Matt Leming表示，AI工具在用於醫學研究的臨床測試中有很不錯的表現，不過在實際使用上可能會出現崩盤的情況。 Leming表示：“用於生物研究的AI模型目前還很棘手。”
Leming表示，AI能夠從海量資料中進行學習，例如ChatGPT因為可以從網路上收集到的文字中進行學習而衍生出了分析和模仿寫作的能力。但醫學數據相對稀缺，很多都是專有數據。這使得適用於生物技術領域的AI模型的學習樣本變得有限。而且與受控的實驗室環境相比，AI在臨床過程中遇到的病例差異更大，使結果容易偏差。
在Leming看來，AI從根本上改變醫療方式這種情況並不會發生。
這是許多公司改進的目標，不少企業和科學研究機構都在尋找新方法來改善醫學模式的尷尬現狀。
Chang表示，他已經嘗試透過使用數學模型來克服這個問題，這些模型可以最大限度地減少誤差，提高預測的準確性。而RetiSpec也從14 個研究合作夥伴那裡採集了樣本，並從這些合作夥伴那裡收集了來自不同種族和社會經濟社區的樣本。
Neurovision認為，透過從不同的資料中心化提取樣本，並與其他資料集進行比較測試，可以最大化減少誤差。據RetiSpec 的Shaked說：“我們工作中很重要的一部分，就是確保AI不會出現垃圾進垃圾出的問題。”
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載