Artificial intelligence used to uncover the cellular origins of Alzheimer’s disease and other cognitive disorders
アルツハイマー病などの認知障害の細胞起源の解明に人工知能が利用される
要約(英語):
researchers at Mount Sinai have used novel artificial intelligence methods to examine structural and cellular features of human brain tissues to help determine the causes of Alzheimer’s disease and other related disorders. The researchers used a weakly supervised deep learning algorithm to examine slide images of human brain autopsy tissues from a group of over 700 elderly donors to predict the presence or absence of cognitive impairment. “AI represents an entirely new paradigm for studying dementia and will have a transformative effect on research into complex brain diseases, especially Alzheimer’s,” said a researcher. The team.
要約(日本語):
シナイ山の研究者は、新しい人工知能法を使用して、ヒト脳組織の構造的および細胞的特徴を調べて、アルツハイマー病やその他の関連障害の原因を判断するのに役立ちました。研究者は、弱く監視されている深い学習アルゴリズムを使用して、認知障害の有無を予測するために、700人以上の高齢ドナーのグループからの人間の脳剖検組織のスライド画像を調べました。「AIは、認知症を研究するためのまったく新しいパラダイムであり、複雑な脳疾患、特にアルツハイマー病の研究に変革的な影響を及ぼします」と研究者は述べています。チーム。
本文:
Mount Sinai researchers have used novel artificial intelligence methods to examine structural and cellular features of human brain tissues to help determine the causes of Alzheimer’s disease and other related disorders.
シナイ山の研究者は、新しい人工知能方法を使用して、ヒト脳組織の構造的および細胞的特徴を調べて、アルツハイマー病やその他の関連障害の原因を判断するのに役立ちました。
The research team found that studying the causes of cognitive impairment by using an unbiased AI-based method — as opposed to traditional markers such as amyloid plaques — revealed unexpected microscopic abnormalities that can predict the presence of cognitive impairment.
研究チームは、アミロイドプラークなどの従来のマーカーとは対照的に、偏りのないAIベースの方法を使用して認知障害の原因を研究することで、認知障害の存在を予測できる予期しない微視的な異常が明らかになることを発見しました。
These findings were published in the journal Acta Neuropathologica Communications on September 20. “AI represents an entirely new paradigm for studying dementia and will have a transformative effect on research into complex brain diseases, especially Alzheimer’s disease,” said co-corresponding author John Crary, MD, PhD, Professor of Pathology, Molecular and Cell-Based Medicine, Neuroscience, and Artificial Intelligence and Human Health, at the Icahn School of Medicine at Mount Sinai.
これらの発見は、9月20日にActa Neuropothica Communications誌に掲載されました。MD、PhD、シナイ山のICAHN医学部の病理学、分子および細胞ベースの医学、神経科学、人工知能と人間の健康教授。
“The deep learning approach was applied to the prediction of cognitive impairment, a challenging problem for which no current human-performed histopathologic diagnostic tool exists.” The Mount Sinai team identified and analyzed the underlying architecture and cellular features of two regions in the brain, the medial temporal lobe and frontal cortex.
「深い学習アプローチは、認知障害の予測に適用されました。これは、現在の人間が形成された組織病理学的診断ツールが存在しない挑戦的な問題です。」シナイ山のチームは、脳内の2つの領域、内側側頭葉と前頭皮質の基礎となる建築と細胞の特徴を特定して分析しました。
In an effort to improve the standard of postmortem brain assessment to identify signs of diseases, the researchers used a weakly supervised deep learning algorithm to examine slide images of human brain autopsy tissues from a group of more than 700 elderly donors to predict the presence or absence of cognitive impairment.
疾患の兆候を特定するために死後脳評価の基準を改善するために、研究者は弱い監視された深い学習アルゴリズムを使用して、700人以上の高齢ドナーのグループからのヒト脳剖検組織のスライド画像を調べて、存在または不在を予測する認知障害の。
The weakly supervised deep learning approach is able to handle noisy, limited, or imprecise sources to provide signals for labeling large amounts of training data in a supervised learning setting.
弱く監視されているディープラーニングアプローチは、騒々しい、限られた、または不正確なソースを処理して、監視された学習設定で大量のトレーニングデータをラベル付けするための信号を提供することができます。
This deep learning model was used to pinpoint a reduction in Luxol fast blue staining, which is used to quantify the amount of myelin, the protective layer around brain nerves.
この深い学習モデルは、脳神経の周りの保護層であるミエリンの量を定量化するために使用されるルクスルファストブルー染色の減少を特定するために使用されました。
The machine learning models identified a signal for cognitive impairment that was associated with decreasing amounts of myelin staining; scattered in a non-uniform pattern across the tissue; and focused in the white matter, which affects learning and brain functions.
機械学習モデルは、ミエリン染色の量の減少に関連する認知障害のシグナルを特定しました。組織全体に不均一なパターンに散らばっています。そして、学習や脳の機能に影響を与える白質に焦点を合わせます。
The two sets of models trained and used by the researchers were able to predict the presence of cognitive impairment with an accuracy that was better than random guessing.
研究者によって訓練および使用された2つのモデルのセットは、ランダム推測よりも優れた精度で認知障害の存在を予測することができました。
In their analysis, the researchers believe the diminished staining intensity in particular areas of the brain identified by AI may serve as a scalable platform to evaluate the presence of brain impairment in other associated diseases.
彼らの分析では、研究者は、AIによって特定された脳の特定の領域での染色強度の低下が、他の関連疾患における脳障害の存在を評価するためのスケーラブルなプラットフォームとして役立つ可能性があると考えています。
The methodology lays the groundwork for future studies, which could include deploying larger scale artificial intelligence models as well as further dissection of the algorithms to increase their predictive accuracy and reliability.
この方法論には、大規模な人工知能モデルの展開とアルゴリズムのさらなる分析を展開するために、予測精度と信頼性を向上させることが含まれます。
The team said, ultimately, the goal of this neuropathologic research program is to develop better tools for diagnosis and treatment of people suffering from Alzheimer’s disease and related disorders.
チームは、最終的に、この神経病理学的研究プログラムの目標は、アルツハイマー病や関連障害に苦しむ人々の診断と治療のためのより良いツールを開発することであると述べました。
“Leveraging AI allows us to look at exponentially more disease relevant features, a powerful approach when applied to a complex system like the human brain,” said co-corresponding author Kurt W.
「AIを活用することで、人間の脳のような複雑なシステムに適用されると強力なアプローチである、指数関数的により多くの疾患関連の特徴を見ることができます」と、共通の著者Kurt Wは述べました。
Farrell, PhD, Assistant Professor of Pathology, Molecular and Cell-Based Medicine, Neuroscience, and Artificial Intelligence and Human Health, at Icahn Mount Sinai.
ファレル博士、シナイ山の病理学、分子および細胞ベースの医学、神経科学、人工知能と人間の健康の助教授。
“It is critical to perform further interpretability research in the areas of neuropathology and artificial intelligence, so that advances in deep learning can be translated to improve diagnostic and treatment approaches for Alzheimer’s disease and related disorders in a safe and effective manner.” Lead author Andrew McKenzie, MD, PhD, Co-Chief Resident for Research in the Department of Psychiatry at Icahn Mount Sinai, added: “Interpretation analysis was able to identify some, but not all, of the signals that the artificial intelligence models used to make predictions about cognitive impairment.
「神経病理学と人工知能の分野でさらなる解釈可能性の研究を実行することが重要です。そのため、深い学習の進歩は、アルツハイマー病および関連する障害の診断と治療アプローチを安全かつ効果的な方法で改善するために翻訳することができます。」主著者のアンドリュー・マッケンジー医学博士、博士号、Icahn Mount Sinaiの精神医学部の研究の共同居住者は次のように付け加えました。認知障害について予測します。
As a result, additional challenges remain for deploying and interpreting these powerful deep learning models in the neuropathology domain.” Researchers from the University of Texas Health Science Center in San Antonio, Texas, Newcastle University in Tyne, United Kingdom, Boston University School of Medicine in Boston, and UT Southwestern Medical Center in Dallas also contributed to this research.
その結果、神経病理学ドメインにこれらの強力な深い学習モデルを展開および解釈するための追加の課題が残っています。ボストン、およびダラスのUTサウスウェスタンメディカルセンターもこの研究に貢献しました。
The study was supported by funding from the National Institute of Neurological Disorders and Stroke, the National Institute on Aging, and the Tau Consortium by the Rainwater Charitable Foundation.
この研究は、国立神経障害および脳卒中研究所、老化に関する国立研究所、および雨水慈善財団によるタウコンソーシアムからの資金提供によって支援されました。
元記事
https://www.sciencedaily.com/releases/2022/09/220920211228.htm
