Il nuovo strumento AI può aiutare a diagnosticare le malattie neurodegenerative

Mount Sinai crea un nuovo sistema di apprendimento profondo per le malattie neurodegenerative.

Fonte: geralt / pixabay

Di recente, un team guidato da ricercatori pioneristici della Mount Sinai School of Medicine di New York ha creato una delle prime piattaforme che utilizza dati di immagini su larga scala in neuropatologia per costruire e valutare algoritmi di deep learning.

In uno studio pubblicato poche settimane fa in Nature’s Laboratory Investigation , la rivista ufficiale degli Stati Uniti e dell’Accademia canadese di patologia, i ricercatori del Monte Sinai hanno sviluppato un nuovo algoritmo di deep learning utilizzando reti neuronali convoluzionali. L’algoritmo può riconoscere, classificare e quantificare gli elementi diagnostici delle tauopatie – disturbi neurodegenerativi che possono avere inclusioni gliali o neuronali fatte di tau, una proteina legante i microtubuli.

• Trauma e PTSD: più comune di quanto pensi
• Contrastare l’impatto di un mondo stressante
• Non scherzare con la lettura della scienza: le scuole del Texas hanno bisogno di ortografia!
• Un primer sulla coscienza e il cervello
• Perché alcune persone povere votano contro i loro interessi?

Il materiale istopatologico utilizzato per lo studio è stato derivato da ventidue cervelli di autopsia umana da pazienti con tauopatie. La tau patologica nei neuroni forma grovigli neurofibrillari (NFT). Le sezioni sono state digitalizzate e caricate su una piattaforma informatica presso il Center for Computational and Systems Patology di Mount Sinai. Oltre 80 milioni di test all’anno vengono elaborati presso il Dipartimento di patologia del Monte Sinai, uno dei più grandi dipartimenti di patologia accademica del paese con 62 patologi a tempo pieno e 900 istologi e tecnici di laboratorio.

Il sistema di rete convoluzionale è stato addestrato dalle immagini digitalizzate. Il team ha implementato la versione modificata dell’architettura SegNet pienamente convoluzionale per la generazione di reti neurali convoluzionali profonde e ha utilizzato la discesa del gradiente stocastico per la funzione di perdita differenziale.

È interessante notare che le iterazioni di aggiornamento sono state eseguite su “hardware GPU commodity” per un’elaborazione parallela efficiente. Il modello di rete neurale è stato costruito utilizzando il pacchetto software PyTorch.

• Affrontare lo squilibrio di genere di STEM
• Questo è il tuo “piccolo cervello” sulla cannabis
• La musica fresca incanta le nostre menti sincronizzando le onde cerebrali
• Il sogno può essere ricordato da Brain Activation?
• Il lungo e il corto di esso: durata e salute del sonno

I ricercatori hanno scoperto un metodo che utilizza l’apprendimento approfondito per migliorare l’esame tissutale e integrare tecniche semi-quantitative e qualitative comunemente utilizzate. Di conseguenza, il nuovo sistema di apprendimento profondo del team fornisce un metodo rapido, riproducibile e imparziale per “aumentare il conteggio manuale intensivo di manodopera istopatologica”.

Attualmente non è noto esattamente come il tau patologico influenzi i disturbi neuronali. Con questa struttura innovativa, gli scienziati hanno un modo per accedere a dati quantitativi riproducibili per correlazioni clinicopatologiche per aiutare nella ricerca della patogenesi delle tauopatie come il morbo di Alzheimer.

Copyright © 2019 Cami Rosso Tutti i diritti riservati.

Riferimenti

Signaevsky, Maxim, Prastawa, Marcel, Farrell, Kurt, Tabish, Nabil, Baldwin, Elena, Han, Natalia, Lida, Megan A., Koll, John, Bryce, Clare, Purohit, Dushyant, Haroutunian, Vahram, McKee, Ann C ., Stein, Thor D., White III, Charles L., Walker, Jamie, Richardson, Timothy E., Hanson, Russell, Donovan, Michael J., Cordon-Cardo, Carlos, Zeineh, Jack, Fernandez, Gerardo, Crary , John F .. “Intelligenza artificiale in neuropatologia: valutazione della tauopatia basata sull’apprendimento profondo.” Indagine di laboratorio. 15 febbraio 2019.

Irwin, David. “Tauopatie come entità clinopopatologiche” . Disturbi correlati al parkinsonismo. 22 gennaio 2016.

Il Mount Sinai Hospital / Mount Sinai School of Medicine (2 ottobre 2018). “Il test di patologia utilizza l’intelligenza artificiale per predire la progressione del cancro alla prostata dopo l’intervento chirurgico.” Estratto il 3-7-2019 da https://www.eurekalert.org/pub_releases/2018-10/tmsh-ptu100218.php