富士膠片株式會社(以下簡稱“富士膠片”)和日本國立精神·神經醫療研究中心宣布了利用富士膠片全新的AI技術預測輕度認知功能障礙癥(MCI)患者是否會在兩年內進展為阿爾茨海默病(AD)的積極研究成果。這項用于AD進展預測的人工智能技術的準確率達88%，該研究成果已于4月12日在國際學術期刊《自然》雜志子刊《npj Digital Medicine》上發表。

該技術是由富士膠片基于其先進的圖像識別技術以及機器學習方面的專業知識所開發的。本研究在日本國立研究開發法人科學技術振興機構產學共創平臺共同研究推進項目(JST、OPERA、JPMJOP1842)的贊助下實施。

技術引入，對阿爾茨海默癥進展進行預測

據估計，目前全球約有5500萬認知障礙癥患者。而隨著人口老齡化，預計到2050年這一數字將增加到約1.39億。在認知障礙癥中，AD患者(認知障礙癥的一種)的人數最多，預計今后這一趨勢還會繼續。

近年來，在AD的新藥研發過程中更傾向于以早期的MCI患者為對象實施臨床試驗，以觀察β-淀粉樣蛋白的存在情況，因為β-淀粉樣蛋白是AD的主要致病物質，在發病前就已經開始蓄積。然而，大多數臨床試驗都沒有成功，其中一個原因是，兩年內從MCI進展到AD的患者比例不到20%，臨床試驗期間有很多MCI患者未發現有進展，被分配到對照組(服用安慰劑等)的患者也因未進展到AD而被認為其病情得到了控制。因此，從統計學角度而言無法得出可信結論。在這種情況下，富士膠片和日本國立精神·神經醫療研究中心認為，使用AI來預測哪些患者會從MCI發展到AD，并只對這些患者進行臨床試驗，能夠正確地評估新藥的有效性，使治療與驗證取得成功。

以科學實驗驗證技術有效性

近年來，大量研究報告表明，通過引入深度學習，圖像識別準確率可以顯著提升，但要達到深度學習的效果，需要大量的學習數據支持。然而，目前世界最大的AD研究項目NA-ADNI的公共數據庫中，也不過只有約1000名MCI患者的數據。通常，在物體識別研究領域，要形成深度學習需要超過1000萬張圖像。在這種情況下，如何通過有限的數據確立高準確率的AI預測技術無疑是一項巨大的挑戰。為了解決這個問題，富士膠片決定建立一種AD進展預測AI技術，以大腦中與AD進展高度相關的特定區域為對象，利用深度學習預測AD的進展。

富士膠片利用其在攝影和醫療領域積累的先進圖像識別技術，從腦部三維MRI圖像中，分別對以(1)海馬體、(2)前顳葉為中心的區域進行識別，因為，這兩塊區域被認為與AD進展最為相關。

利用深度學習，從以(1)海馬體、(2)前顳葉為中心的兩個區域，提取與AD進展相關的詳細萎縮模式，并計算其圖像特征。AI進而專注于兩個區域確認的、對讀片診斷起重要作用的海馬體區域和杏仁體區域的萎縮模式，并依據其模式識別其向AD的進展。

使用NA-ADNI公共數據庫的MCI患者數據進行學習。除了被認為與AD進展高度相關的腦內特定區域的圖像特征外，還確立了通過認知能力測試評分等多種臨床信息進行高精度AD進展預測的技術。

富士膠片和日本國立精神·神經醫療研究中心的研究小組，采用AD進展預測AI技術，預測2年內患者是否會從MCI進展至AD。除了將AD進展預測AI技術應用于NA-ADNI數據庫外，還將其應用于未學習過的J-ADNI數據庫，對該技術的預測準確性進行了客觀的評估。

在預測MCI患者是否會發展為AD患者時，NA-ADNI的預測正確率為88%，J-ADNI為84%。

同時，與準確率同等重要的AI精度指標AUC，NA-ADNI為0.95、J-ADNI為0.91。

綜上所述，AD進展預測AI技術可以高精度地預測不同人種從MCI到AD的進展，屬于可推廣性較高的AI技術。

未來展望

富士膠片和日本國立精神·神經醫療研究中心將在臨床試驗數據中，對根據AD進展預測AI技術的預測結果分層的患者進行分析，以進一步驗證這項技術的有效性。具體而言，通過AD進展預測AI技術預測患者的認知障礙癥進展速度，并通過(1)對沒有AD進展的患者不進行臨床試驗、(2)縮小對照組和治療組之間在進展速度分布上的差異來研究提高臨床試驗成功率的可能性。力爭在AD治療藥物的新臨床試驗中使用AD進展預測AI技術。

同時，還將探討將AD進展預測AI技術的算法推廣到各種精神疾病和神經系統疾病的腦部圖像和臨床數據中應用。這關系到患者預后和對治療的反應預測，富士膠片希望在推動個性化醫療方面能發揮重要作用。

(新媒體責編：pl0902)