Ученые из Кембриджа разработали инструмент на основе искусственного интеллекта, способный в четырех случаях из пяти предсказать, останется ли состояние людей с ранними признаками деменции стабильным или у них разовьется болезнь Альцгеймера.

Команда утверждает, что этот новый подход может сократить необходимость в инвазивных и дорогостоящих диагностических тестах, одновременно улучшая результаты лечения на ранних стадиях, когда такие вмешательства, как изменение образа жизни или новые лекарства, могут иметь наибольший шанс на успех.

Деменция представляет собой серьезную проблему для мирового здравоохранения, затрагивая более 55 миллионов человек по всему миру, а ее ежегодные расходы оцениваются в $820 млрд. Ожидается, что число случаев почти утроится в течение следующих 50 лет.

Основной причиной слабоумия является болезнь Альцгеймера, на которую приходится 60–80% случаев. Раннее выявление имеет решающее значение, поскольку именно тогда лечение, скорее всего, будет наиболее эффективным, однако ранняя диагностика и прогноз деменции могут быть неточными без использования инвазивных или дорогостоящих тестов, таких как сканирование позитронно-эмиссионной томографии (ПЭТ) или люмбальной пункции, которые доступны не во всех клиниках памяти.

В результате до трети пациентов могут получить неправильный диагноз, а у других заболевание диагностируется слишком поздно, чтобы лечение было эффективным.

Группа ученых под руководством ученых с кафедры психологии Кембриджского университета разработала модель машинного обучения, способную предсказать, будет ли человек с легкими проблемами памяти и мышления прогрессировать до развития болезни Альцгеймера и насколько быстро. В исследовании, опубликованном в eClinicalMedicine , они показывают, что она точнее, чем текущие клинические диагностические инструменты.

Для построения своей модели исследователи использовали регулярно собираемые, неинвазивные и недорогие данные пациентов — когнитивные тесты и структурные МРТ-сканы, показывающие атрофию серого вещества — более чем от 400 человек, входивших в исследовательскую группу в США.

Затем они протестировали модель, используя реальные данные пациентов, полученные от еще 600 участников из когорты США, и, что важно, продольные данные от 900 человек из клиник памяти в Великобритании и Сингапуре.

Алгоритм смог отличить людей со стабильными умеренными когнитивными нарушениями от тех, у кого болезнь Альцгеймера прогрессировала в течение трехлетнего периода. Он смог правильно определить людей, у которых развилась болезнь Альцгеймера, в 82% случаев и правильно определить тех, у кого она не развилась, в 81% случаев, используя только когнитивные тесты и МРТ.

Алгоритм примерно в три раза точнее предсказывал прогрессирование болезни Альцгеймера, чем текущий стандарт лечения; то есть стандартные клинические маркеры (такие как атрофия серого вещества или когнитивные баллы) или клинический диагноз. Это показывает, что модель может значительно снизить количество ошибочных диагнозов.

Модель также позволила исследователям разделить людей с болезнью Альцгеймера на три группы, используя данные первого визита каждого человека в клинику памяти: те, чьи симптомы останутся стабильными (около 50% участников), те, у кого болезнь Альцгеймера будет прогрессировать медленно (около 35%), и те, у кого болезнь будет прогрессировать быстрее (остальные 15%).

Эти прогнозы были подтверждены при рассмотрении данных последующего наблюдения за шесть лет. Это важно, поскольку это может помочь выявить тех людей на достаточно ранней стадии, которым могут помочь новые методы лечения, а также выявить тех людей, которым требуется пристальное наблюдение, поскольку их состояние, скорее всего, быстро ухудшится.

Важно отметить, что 50% людей, у которых наблюдаются такие симптомы, как потеря памяти, но состояние остается стабильным, лучше направить на другой клинический путь, поскольку их симптомы могут быть вызваны другими причинами, а не деменцией, например, тревогой или депрессией.

Старший автор, профессор Зои Куртци с кафедры психологии Кембриджского университета, сказала: «Мы создали инструмент, который, несмотря на то, что использует только данные когнитивных тестов и МРТ-сканирования, гораздо более чувствителен, чем существующие подходы, в прогнозировании того, перейдет ли человек от легких симптомов к болезни Альцгеймера, и если да, то будет ли этот прогресс быстрым или медленным».

«Это может значительно улучшить самочувствие пациентов, показав нам, каким людям требуется наиболее тщательный уход, и одновременно сняв беспокойство за тех пациентов, состояние которых, по нашим прогнозам, останется стабильным. В период интенсивного давления на ресурсы здравоохранения это также поможет устранить необходимость в ненужных инвазивных и дорогостоящих диагностических тестах».

Хотя исследователи тестировали алгоритм на данных исследовательской группы, его валидация проводилась с использованием независимых данных, включавших почти 900 человек, посещавших клиники памяти в Великобритании и Сингапуре.

В Великобритании пациенты были набраны в рамках исследования количественной МРТ в клиниках памяти NHS (QMIN-MC), которое проводил соавтор исследования доктор Тимоти Риттман из Кембриджских университетских больниц NHS Trust и Кембриджширских и Питерборо NHS Foundation Trust (CPFT).

По словам исследователей, это доказывает, что метод может быть применим в реальных клинических условиях и на пациентах.

Доктор Бен Андервуд, почетный консультант-психиатр CPFT и доцент кафедры психиатрии Кембриджского университета, сказал: «Проблемы с памятью часто возникают по мере того, как мы становимся старше. В клинике я вижу, как неопределенность относительно того, могут ли это быть первыми признаками деменции, может вызывать много беспокойства у людей и их семей, а также вызывать разочарование у врачей, которые предпочли бы давать точные ответы».

«Тот факт, что мы можем уменьшить эту неопределенность с помощью уже имеющейся у нас информации, является захватывающим и, вероятно, станет еще более важным по мере появления новых методов лечения».

Профессор Куртци сказал: «Модели ИИ настолько хороши, насколько хороши данные, на которых они обучаются. Чтобы убедиться, что у нашей модели есть потенциал для внедрения в здравоохранение, мы обучили и протестировали ее на регулярно собираемых данных не только от исследовательских групп, но и от пациентов в реальных клиниках памяти. Это показывает, что ее можно будет обобщить и на реальных условиях».

Теперь команда надеется распространить свою модель на другие формы деменции, такие как сосудистая деменция и лобно-височная деменция, а также использовать различные типы данных, например маркеры из анализов крови.

Профессор Курци добавил: «Если мы собираемся справиться с растущей проблемой здравоохранения, которую представляет собой деменция , нам понадобятся более совершенные инструменты для выявления и вмешательства на как можно более ранней стадии».

«Наша цель — масштабировать наш инструмент ИИ, чтобы помочь врачам назначать нужного человека в нужное время на правильный путь диагностики и лечения. Наш инструмент может помочь сопоставить нужных пациентов с клиническими испытаниями, ускоряя открытие новых препаратов для лечения, изменяющего течение заболевания».