科学家开发人工智能工具来预测帕金森病发病

悉尼新南威尔士大学的合作者在波士顿大学的科学家们已经开发出一种工具,显示检测早期承诺帕金森病症状出现前开始出现。

在《华尔街日报》今天公布的一项研究ACS中央科学,研究人员描述了他们如何使用神经网络分析生物标志物在病人的体液。

研究人员来自新南威尔士大学化学学院的检查血液样本从收集的健康个体西班牙欧洲癌症与营养前瞻性调查(史诗)。关注39帕金森患者15年后,团队在他们的机器学习项目在数据集包含metabolites-the大量信息化合物时,身体产生分解食物,药物或化学物质。

在比较这些代谢物的39匹配控制patients-people在同一个研究没有继续开发团队能够识别的独特组合其实和帕金森代谢物能够预防或可能是帕金森病的早期征兆。

新南威尔士大学研究员张戴安娜解释说,她和w·亚历山大·唐纳德副教授开发了一个叫做CRANK-MS机器学习工具,即使用神经网络分类和排序分析从质谱生成知识。

“分析代谢组学数据的最常见的方法是通过统计方法,”张先生说。

“为了找出哪些代谢物更重大疾病和控制组织,研究人员通常看相关性涉及特定的分子。”

“但是这里我们考虑到代谢物可以协会与其他metabolites-which是机器学习的由来。对成千上万的代谢物,我们使用的计算能力,不明白发生了什么。”

一个/教授。唐纳德说,除了看着代谢物的组合,研究人员使用一个未经编辑列表的数据。

“通常情况下,研究人员利用机器学习检查代谢物之间的相关性和疾病减少化学特性,首先,他们喂到算法之前,”他说。

“但是我们在如何减少CRANK-MS没有任何数据提要的所有信息正确的开始。从那,我们可以得到模型的预测和识别哪些代谢物驾驶预测最,所有在一个步骤。这意味着如果有代谢物可能已经错过了使用传统的方法,我们现在可以接人。”

这可以显著的帕金森病怎么做的

目前,帕金森病诊断是通过观察身体症状如休息手震颤。没有血液或实验室测试诊断非遗传性病例。但非典型症状,如睡眠障碍和冷漠可以出现在帕金森患者运动症状出现之前几十年。CRANK-MS,因此,可以用在这些非典型症状的迹象,或排除将来患帕金森氏症的风险。

然而,/教授Donald强调验证研究需要使用更大的人群,在世界多个地区可以使用可靠的工具。但在有限的队列在这项研究中,研究结果有前途,CRANK-MS能够分析化学物质在血液检测帕金森病的准确性高达96%。

“这项研究是有趣的在多个水平,”他说。

“首先,预测的准确性很高帕金森病的临床诊断。第二,这种机器学习方法使我们能够识别化学标记,在准确预测谁将是最重要的发展在未来帕金森病。第三,一些化学标记,传动准确预测最已经被其他人之前与帕金森病细胞化验,但不是人类。”

精神食粮

当检查有一些有趣的发现代谢物患帕金森氏症的人了。

例如,常用药用被发现在低浓度的血液后发达比那些没有帕金森病。常用药用是调节中起到已知氧化应激和一般食物,如苹果,橄榄,西红柿。未来研究可以检查清楚,吃这些食物可以自然地防止患帕金森氏症。

还值得进一步探索的存在polyfluorinated烷基物质(pfa)继续开发帕金森氏症的人,这可能与接触工业化学品。

“我们有证据表明这是pfa,但我们需要更多的特征数据是100%肯定的是,“A /教授唐纳德说。

免费提供给所有

CRANK-MS是一个工具,是公开的任何研究人员使用机器学习疾病诊断使用代谢组学数据。

“我们建立模型以这样一种方式,它适合的目的,”张先生说。

“CRANK-MS检测帕金森病的应用程序只是一个例子的AI可以提高我们诊断和监测疾病的方式。令人兴奋的是,CRANK-MS可以方便地应用于其他疾病识别新的生物标记感兴趣的。”

“平均的工具是用户友好的,结果在不到十分钟就可以生成一个传统笔记本电脑。”