机器学习揭示痴呆亚型，对药物试验有影响
伦敦大学学院的研究人员表示，机器学习可以帮助找到治疗痴呆症的新疗法。
一个新的算法这可以自动地解开不同的发展模式病人患有一系列不同的痴呆症，包括阿尔茨海默氏症疾病，将能够识别出对不同治疗反应最好的个体。
为论文，发表于自然通讯在美国，研究人员设计并应用了一种名为SuStaIn (Subtype and Stage Inference)的新算法，用于糖尿病患者的常规MRI扫描痴呆．
该算法能够识别出阿尔茨海默病的三种不同亚型，这些亚型与在脑组织尸检中观察到的亚型大致吻合，以及额颞叶痴呆的几种不同亚型。然而，关键的是，这种分型可以在生命中进行，使用大脑扫描，在疾病过程的早期进行。
能够在疾病过程的早期识别亚型并使用非侵入性核磁共振扫描意味着有更好的机会确定最佳亚型治疗为个人。
丹尼尔·亚历山大教授(伦敦大学学院医学图像计算中心)说:“这新算法具有独特的能力，揭示不同类型疾病的患者群体。阿尔茨海默病药物试验失败的一个关键原因是他们测试的患者非常不同;对某一特定亚组患者有效的治疗可能对所有人群没有整体效果，因此药物试验失败。
“SuStaIn提供了一种方法来显示不同亚群体的治疗效果，可能会加速治疗推向市场。”
对个体痴呆症的经典研究基于症状进行了单一测量，并不清楚疾病处于哪个阶段。
SuStaIn使用医学成像技术，可以让医生看到疾病是如何发展的，观察蛋白质在大脑中积聚的特定位置，并推断出哪些部分正在退化。
亚历山德拉·杨博士(伦敦大学学院医学图像计算中心)说:“个体之间可能表现出相似的症状，但使用SuStaIn我们可以发现他们属于不同的亚组。这使我们能够更准确地预测他们的疾病将如何发展，并尽早诊断。”
乔纳森·肖特教授(伦敦大学学院神经学研究所)说:“如果我们要设计合理的治疗试验，并告知患者预后，了解不同疾病如何随着时间的推移而演变是至关重要的。
“这是一项重大挑战，疾病的发展可能会持续数年，如果不是几十年，而且患者之间的潜在病理、模式和进展速度可能存在实质性差异。
“这项工作表明，从一系列不同痴呆症患者的单一核磁共振扫描中，梳理出不同的疾病模式是可能的，其中一些迄今为止未知。这项工作不仅为痴呆症提供了新的见解，还展示了SuStaIn在一系列其他医疗环境中描绘疾病亚型的巨大潜力。”
该团队目前正在寻找将该算法应用于其他疾病的方法，最近在欧洲呼吸学会慢性疾病会议上提出了该算法阻塞性肺病(慢性阻塞性肺病)。
进一步探索
