根據(jù)發(fā)表在《放射學(xué)：人工智能》上的一項(xiàng)研究，深度學(xué)習(xí)是一種人工智能，可以增強(qiáng)MRI在預(yù)測注意力缺陷多動障礙(ADHD)中的作用。研究人員說，這種方法也可能適用于其他神經(jīng)系統(tǒng)疾病。

人腦是一組復(fù)雜的網(wǎng)絡(luò)。功能性MRI是一種通過檢測血流變化來測量大腦活動的成像技術(shù)，它的進(jìn)步已幫助繪制了大腦網(wǎng)絡(luò)內(nèi)部和之間的連接圖。這種全面的腦圖被稱為連接體。

越來越多的人將連接體視為理解多動癥等腦部疾病的關(guān)鍵，這種疾病使人難以注意和控制躁動不安的行為。

根據(jù)國家兒童健康調(diào)查，2016年約有9.4%的美國2至17歲兒童(610萬)被診斷出患有多動癥。尚不能通過單項(xiàng)測試或醫(yī)學(xué)影像學(xué)檢查明確診斷出該疾病。相反，ADHD診斷是基于一系列癥狀和基于行為的測試。

腦MRI在診斷中具有潛在作用，因?yàn)檠芯勘砻鰽DHD是由連接體中某種類型的破壞或破壞引起的。連接套是由跨過MR圖像的空間區(qū)域(稱為分塊)構(gòu)造而成的。可以根據(jù)解剖學(xué)標(biāo)準(zhǔn)，功能標(biāo)準(zhǔn)或兩者來定義大腦碎片?？梢曰诓煌拇竽X碎片以不同的比例研究大腦。

先前的研究集中在所謂的單尺度方法上，其中僅基于一個小片段構(gòu)建連接體。對于這項(xiàng)新研究，辛辛那提大學(xué)醫(yī)學(xué)院和辛辛那提兒童醫(yī)院醫(yī)學(xué)中心的研究人員進(jìn)行了更全面的介紹。他們開發(fā)了一種多尺度方法，該方法使用了基于多個分割的多個連接組圖。

為了建立深度學(xué)習(xí)模型，研究人員使用了NeuroBureau ADHD-200數(shù)據(jù)集中的數(shù)據(jù)。該模型使用了來自該項(xiàng)目973名參與者的多尺度大腦連接組數(shù)據(jù)以及相關(guān)的個人特征，例如性別和智商。

與使用單尺度方法相比，多尺度方法顯著提高了ADHD檢測性能。

辛辛那提兒童醫(yī)院醫(yī)學(xué)中心的高級研究作者Lili He博士說：“我們的結(jié)果強(qiáng)調(diào)了大腦連接組的預(yù)測能力。”“跨越多個尺度的構(gòu)建的大腦功能連接體為描述整個大腦的網(wǎng)絡(luò)提供了補(bǔ)充信息。”

通過提高診斷準(zhǔn)確性，基于深度學(xué)習(xí)的基于MRI的診斷對于實(shí)施ADHD患者的早期干預(yù)可能至關(guān)重要。在美國學(xué)齡前和學(xué)齡兒童中，大約有5%被診斷出患有ADHD。這些兒童和青少年面臨學(xué)術(shù)學(xué)習(xí)失敗和建立社會關(guān)系的高風(fēng)險，這可能導(dǎo)致家庭經(jīng)濟(jì)困難，并給社會造成巨大負(fù)擔(dān)。

賀博士說，該方法還具有超越多動癥的潛力。

她說：“該模型可以推廣到其他神經(jīng)系統(tǒng)缺陷。”“我們已經(jīng)使用它來預(yù)測早產(chǎn)兒的認(rèn)知缺陷。我們在出生后不久對其進(jìn)行掃描，以預(yù)測兩歲時的神經(jīng)發(fā)育結(jié)果。”

將來，研究人員希望看到深度學(xué)習(xí)模型隨著暴露于更大的神經(jīng)影像數(shù)據(jù)集而得到改善。他們還希望更好地了解與ADHD相關(guān)的模型所鑒定的連接組中的特定故障或破壞。