乔治亚州立大学的一项新研究趋势中心可能导致早期诊断出毁灭性的疾病，如阿尔茨海默病，精神分裂症,自闭症-及时帮助预防和更容易地治疗这些疾病。在一个新的研究发表在科学报告,来自乔治亚州立大学的七名科学家组成的团队构建了一个复杂的计算机程序，能够梳理大量的大脑成像数据，并发现与心理健康状况相关的新模式。大脑成像数据来自功能磁共振成像(fMRI)的扫描，该技术通过检测血液流动的微小变化来测量大脑的动态活动。
“我们建立了人工智能模型来解释功能磁共振成像的大量信息，”他说谢尔盖刺他是乔治亚州立大学计算机科学和神经科学副教授，也是这项研究的主要作者。
他将这种动态成像与电影进行了比较，而不是像x光或更常见的结构核磁共振成像这样的快照，并指出“可用的数据比血液测试或常规核磁共振成像要大得多，丰富得多。”但这就是挑战所在——海量数据很难解释。”
此外，在这些特定情况下的功能磁共振成像是昂贵的，而且不容易获得。然而，使用人工智能模型，可以挖掘常规功能磁共振成像的数据。而这些都是大量可用的。
“在没有已知临床疾病的个体中有大量的数据集，”解释说文斯·卡尔霍恩他是趋势中心的创始主任，也是这项研究的作者之一。使用这些大型但不相关的可用数据集提高了模型在较小的特定数据集上的性能。
卡尔霍恩说:“新的模式出现了，我们可以明确地将这三种大脑疾病中的每一种联系起来。”
人工智能模型首先在包含1万多人的数据集上进行训练，以学习理解基本的fMRI成像和大脑功能。然后，研究人员使用了1200多名患者的多站点数据集，其中包括自闭症谱系障碍、精神分裂症和阿尔茨海默病患者。
它是如何工作的?这有点像Facebook、YouTube或亚马逊从你的在线行为中了解你，并开始能够预测你未来的行为、喜欢和不喜欢。计算机软件甚至能够锁定大脑成像数据最有可能与所讨论的精神障碍有关的“时刻”。
为了使这些发现在临床上有用，它们需要在疾病出现之前应用。
卡尔霍恩说:“如果我们能在40岁的人身上找到阿尔茨海默病风险的标记和预测，我们也许就能对此有所作为。”
同样，如果在大脑结构发生实际变化之前就能预测精神分裂症的风险，就有可能提供更好或更有效的治疗方法。
卡尔霍恩说:“即使我们从其他测试或家族病史中得知某人有患阿尔茨海默氏症等疾病的风险，我们仍然无法准确预测它何时会发生。”“大脑成像可以缩小这个时间窗口，在临床疾病出现之前捕捉到相关模式。”
Plis说:“我们的愿景是收集一个大型图像数据集，我们的人工智能模型仔细研究它，并向我们展示它们对某些疾病的了解。”“我们正在构建系统来发现我们自己无法发现的新知识。”
“我们的目标。Md Mahfuzur Rahman该研究的第一作者、乔治亚州立大学(Georgia State)计算机科学博士生阿斯特(david david)说，“目标是将大世界和大数据集与小世界和特定疾病数据集连接起来，朝着与临床决策相关的标记迈进。”
