机器学习模型从视网膜扫描识别轻度认知障碍

杜克健康研究人员开发的一种机器学习模型可以使用眼睛的视网膜图像区分正常认知和轻度认知障碍。

杜克健康

7月10日消息

该模型分析视网膜图像和相关数据，并识别特定特征，以识别轻度认知障碍的个体。该模型近日发表在《眼科学》（Ophthalmology Science）杂志上，它展示了一种非侵入性和廉价的方法，以识别可能发展为阿尔茨海默病的认知障碍的早期迹象的潜力。

研究于2023年6月25日发表在《Ophthalmology Science》杂志上

“这是一项特别令人兴奋的工作，因为我们在以前的模型中无法区分轻度认知障碍和正常认知，”资深作者、杜克大学医学院（Duke University School of Medicine）眼科和神经内科教授、外科副教授、医学博士 Sharon Fekrat 说，“这项工作使我们更接近于在认知障碍进展为阿尔茨海默病失智症之前检测出它。”

 

Fekrat 和她的同事们之前开发了一个模型，利用视网膜扫描和其他数据成功地识别出已知患有阿尔茨海默病的患者。基于光学相干断层扫描（OCT）和 OCT 血管成像（OCTA）的扫描检测了阿尔茨海默病患者的神经感觉视网膜及其微血管的结构变化。

目前的研究扩展了这一工作，使用机器学习技术来检测轻度认知障碍，这通常是阿尔茨海默病的前兆。新模型识别出 OCT 和 OCTA 图像中的特定特征，这些特征标志着认知障碍的存在，以及患者数据（如年龄、性别、视力和教育年限）和图像本身的定量数据。

研究人员报告说，该模型分析了视网膜图片和图像以及定量数据，以  79% 的灵敏度和 83% 的特异度将认知正常的人与被诊断为轻度认知障碍（MCI）的人区分开来。

“这是第一项使用视网膜 OCT 和 OCTA 图像来区分轻度认知障碍人群和认知正常人群的研究，”共同第一作者、眼科助理教授、医学博士 C. Ellis Wisely 说。

“有一种非侵入性和更便宜的方法来可靠地识别这些患者越来越重要，特别是在阿尔茨海默病的新疗法即将出现的时候，” Wisely说。

“视网膜是大脑的窗口，利用非侵入性和经济有效的视网膜成像来评估神经健康的机器学习算法可以成为大规模筛查患者的有效工具，”合著者 Alexander Richardson 说，他是杜克大学神经退行性疾病实验室眼多模态成像的学生。

创立于1925年的杜克大学医学院

参考文献

Source：Duke University Medical Center

Machine Learning Model Identifies Mild Cognitive Impairment from Retinal Scans

Reference：

C. Ellis Wisely et al, A convolutional neural network using multimodal retinal imaging for differentiation of mild cognitive impairment from normal cognition, Ophthalmology Science (2023). DOI: 10.1016/j.xops.2023.100355

免责声明

本公众号上的医疗信息仅作为信息资源提供与分享，不用于或依赖于任何诊断或治疗目的。此信息不应替代专业诊断或治疗。在做出任何医疗决定或有关特定医疗状况的指导之前，请咨询你的医生。

       原文标题 : 机器学习模型从视网膜扫描识别轻度认知障碍