Nova študija: Neinvazivni test napoveduje tveganje za Alzheimerjevo in demenco

Nove raziskave kažejo, da napredek tehnologije zdaj omogoča programsko opremo za napovedovanje tveganja za razvoj Alzheimerjeve bolezni in z njo povezanih demenc na podlagi informacij, pridobljenih med rednimi zdravniškimi obiski.

Odkritje je pomembno, saj gre za poceni, nevsiljivo metodo za odkrivanje kronične bolezni, ki pogosto moti življenje posameznika in njegove družine.

Znanstveniki z Inštituta Regenstrief, Univerze Indiana in Merck so razvili in preizkusili algoritme z uporabo podatkov iz elektronskih zdravstvenih kartotek. Nov razvoj je pomemben, saj vsaj 50% starejših bolnikov s primarno zdravstveno oskrbo, ki živijo z Alzheimerjevo boleznijo in z njimi povezanimi demencami, nikoli ne dobi diagnoze.

In še veliko več živi s simptomi dve do pet let, preden jim postavijo diagnozo. Trenutno so testi za ugotavljanje tveganja za demenco invazivni, dolgotrajni in dragi.

$config[ads_text1] not found

"Odlična stvar te metode je, da je pasivna in zagotavlja podobno natančnost kot bolj vsiljivi testi, ki se trenutno uporabljajo," je povedal vodilni raziskovalec Malaz Boustani, dr.med., MPH, raziskovalec z Inštituta Regenstrief in profesor na univerzi Indiana. Medicinska šola.

"To je poceni in razširljiva rešitev, ki lahko bistveno koristi pacientom in njihovim družinam, saj jim pomaga, da se pripravijo na življenje z demenco in jim omogoči, da ukrepajo."

Raziskovalna skupina, v kateri so bili tudi znanstveniki iz zvezne države Georgia, Albert Einstein College of Medicine in Solid Research Group, je nedavno objavila svoje ugotovitve o dveh različnih pristopih strojnega učenja.

En članek, objavljen v Časopis Ameriškega društva za geriatrijo, analizirali rezultate algoritma za obdelavo naravnega jezika. Pri tej tehniki se pristopi strojnega učenja določajo z analizo primerov.

Soroden pristop, obravnavan v Umetna inteligenca v medicini članek, je delil rezultate modela, ki uporablja celoto dreves odločanja. Obe metodi sta pokazali podobno natančnost pri napovedovanju nastanka demence v enem in treh letih od diagnoze.

$config[ads_text2] not found

Za usposabljanje algoritmov so raziskovalci zbirali podatke o pacientih iz mreže Indiana for Patient Care. Modeli so za napoved demence uporabili informacije o receptih in diagnozah, ki so strukturirana polja, ter medicinske opombe, ki so prosto besedilo.

Raziskovalci so ugotovili, da so opombe v prostem besedilu najpomembnejše za prepoznavanje ljudi, ki jim grozi razvoj bolezni.

"Ta raziskava je vznemirljiva, ker potencialno prinaša veliko koristi bolnikom in njihovim družinam," je povedal dr. Patrick Monahan, avtor študije s Medicinske fakultete IU in pridruženi znanstvenik Regenstrief.

"Kliniki lahko zagotovijo izobraževanje o vedenju in navadah, da se bolnikom pomagajo spoprijeti s svojimi simptomi in živeti bolj kakovostno."

Zina Ben Miled, dr. Sc., Avtorica študije s šole za tehniko in tehnologijo Purdue, pojasnjuje: »Zgodnje prepoznavanje tveganja omogoča zdravnikom in družinam priložnost, da oblikujejo načrt oskrbe. Iz izkušenj vem, kakšno breme je lahko reševanje diagnoze demence. Okno, ki ga nudi ta test, je tako pomembno, da izboljša kakovost življenja bolnikov in njihovih družin. "

Poleg koristi za družine lahko te metode zagotavljajo tudi znatne prihranke stroškov za paciente in zdravstvene sisteme. Nadomeščajo potrebo po dragih testih in omogočajo zdravnikom, da pregledajo celotne populacije, da prepoznajo tiste, ki so najbolj ogroženi. Odložitev pojava simptomov prav tako prihrani znatno količino denarja za zdravljenje.

$config[ads_text3] not found

Naslednji korak je uporaba teh algoritmov strojnega učenja v resničnih klinikah, da se preveri, ali pomagajo prepoznati resničnejše primere demence, in da se naučijo, kako vplivajo na pacientovo pripravljenost za nadaljnje spremljanje rezultatov.

Vir: Regenstrief Institute