بیماری آلزایمر معمولاً پس از آشکار شدن علائم آن مانند از دست دادن حافظه، تغییرات شخصیتی و افسردگی تشخیص داده می‌شود که بسیار ناتوان‌کننده است. تیم تحقیقاتی دکتر بنجامین فرانک در دانشگاه کالیفرنیا الگوریتمی را آموزش دادند و نشانه‌های  آلزایمر را از زاویه دیگری بررسی نمودند.

محققان در نوامبر ۲۰۱۸ مقاله‌ای تحت عنوان «یک مدل یادگیری عمیق برای پیش‌بینی بیماری آلزایمر با استفاده از 18F-FDG PET مغز» را در مجله Radiology منتشر نمودند. آنان یک الگوریتم یادگیری عمیق را بر روی اسکن FDG-PET آموزش دادند که روشی برای مطالعه فعالیت متابولیک سلول های مغزی است . دانشمندان از مجموعه داده‌های ابتکار تصویربرداری عصبی بیماری آلزایمر (ADNI)، با بیش از 2100 تصویر مغز FDG-PET از 1002 بیمار استفاده کردند تا به هوش مصنوعی آموزش دهند تا الگوهای متابولیک مرتبط با بیماری آلزایمر را شناسایی نماید. در آزمایش‌های بعدی، هوش مصنوعی این بیماری را به طور متوسط شش سال قبل از تشخیص نهایی با دقت 100٪ شناسایی نمود! 

دکتر سون، یکی از نویسندگان این مطالعه، می‌گوید: «اگر بتوانیم این بیماری را زودتر تشخیص دهیم، فرصتی بالقوه برای کند کردن یا حتی توقف روند بیماری فراهم می‌گردد.»

 

منبع: کلیک کنید