Автор: 
Исследователи из медицинского комплекса Маунт-Синай использовали новые методы искусственного интеллекта для изучения структурных и клеточных особенностей тканей человеческого мозга, чтобы помочь определить причины болезни Альцгеймера и других связанных с ней расстройств. Учёные обнаружили, что изучение причин когнитивных нарушений с помощью глубокого машинного обучения выявило неожиданные микроскопические аномалии, которые могут предсказать наличие когнитивных нарушений. Эти результаты были опубликованы в журнале Acta Neuropathologica Communications.
Команда Маунт-Синай выявила и проанализировала основную архитектуру и клеточные особенности двух областей мозга — медиальной височной доли и лобной коры. В попытке улучшить стандарт посмертной оценки мозга для выявления признаков заболеваний, исследователи использовали слабо контролируемый алгоритм глубокого обучения для изучения слайдов изображений тканей вскрытия человеческого мозга из группы более чем 700 пожилых доноров, чтобы предсказать наличие или отсутствие когнитивных нарушений.
Эта модель глубокого обучения была использована для определения уменьшения окрашивания быстрым синим цветом Luxol, который используется для количественной оценки количества миелина, защитного слоя вокруг нервов головного мозга. Модели машинного обучения выявили сигнал о когнитивных нарушениях, который был связан с уменьшением количества окрашенного миелина, неравномерным распределением по ткани и сосредоточением в белом веществе, что влияет на функции мозга. Два набора моделей, использованных исследователями, смогли спрогнозировать наличие когнитивных нарушений с высокой точностью. Исследователи считают, что снижение интенсивности окрашивания в определённых областях мозга, выявленное с помощью искусственного интеллекта, может служить масштабируемой платформой для оценки наличия нарушений в работе мозга при других сопутствующих заболеваниях.
