De opbouw van abnormale tau-eiwitten in de hersenen in neurofibrillaire tangles is een kenmerk van de ziekte van Alzheimer, maar het hoopt zich ook op bij andere neurodegeneratieve ziekten, zoals chronische traumatische encefalopathie en andere leeftijdgerelateerde aandoeningen. Nauwkeurige diagnose van neurodegeneratieve ziekten is een uitdaging en vereist een hoog opgeleide specialist.
Onderzoekers van het Center for Computational and Systems Pathology op Mount Sinai hebben het Precise Informatics Platform ontwikkeld en gebruikt om krachtige machine learning-benaderingen toe te passen op gedigitaliseerde microscopische objectglaasjes die zijn bereid met weefselmonsters van patiënten met een spectrum van neurodegeneratieve ziekten. Diep leren toepassen, deze beelden werden gebruikt om een convolutioneel neuraal netwerk te creëren dat in staat is om neurofibrillaire tangles met een hoge mate van nauwkeurigheid rechtstreeks uit gedigitaliseerde beelden te identificeren.
"Het gebruik van kunstmatige intelligentie heeft een groot potentieel om ons vermogen om neurodegeneratieve ziekten te detecteren en te kwantificeren, te verbeteren, wat een grote vooruitgang betekent ten opzichte van bestaande arbeidsintensieve en slecht reproduceerbare benaderingen, " zei hoofdonderzoeker John Crary, MD, doctoraat, Hoogleraar Pathologie en Neurowetenschappen aan de Icahn School of Medicine op de berg Sinaï. "Uiteindelijk, dit project zal leiden tot een efficiëntere en nauwkeurigere diagnose van neurodegeneratieve ziekten."
Dit is het eerste beschikbare raamwerk voor het evalueren van deep learning-algoritmen met behulp van grootschalige beeldgegevens in de neuropathologie. Het Precise Informatics Platform maakt datamanagement, visuele verkenning, object schetsen, beoordeling door meerdere gebruikers, en evaluatie van resultaten van deep learning-algoritmen.
Onderzoekers van het Center for Computational and Systems Pathology op de berg Sinaï hebben gebruik gemaakt van geavanceerde computerwetenschap en wiskundige technieken in combinatie met geavanceerde microscooptechnologie, computer visie, en kunstmatige intelligentie om een breed scala aan ziekten nauwkeuriger te classificeren.
"De berg Sinaï is de grootste afdeling voor academische pathologie van het land en verwerkt meer dan 80 miljoen tests per jaar, die onderzoekers toegang biedt tot een brede set gegevens die kunnen worden gebruikt om testen en diagnostiek te verbeteren, uiteindelijk leidend tot betere diagnose en patiëntresultaten, " zei auteur Carlos Cordon-Cardo, MD, doctoraat, Voorzitter van de afdeling Pathologie van het Mount Sinai Health System en hoogleraar Pathologie, Genetica en genomische wetenschappen, en oncologische wetenschappen aan de Icahn School of Medicine.