अल्जाइमर: शोधकर्ता गिरावट की भविष्यवाणी करने के लिए मॉडल बनाते हैं

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने एक मशीन-सीखने वाला मॉडल विकसित किया है जो भविष्य में 2 साल तक अल्जाइमर से संबंधित संज्ञानात्मक गिरावट की दर का अनुमान लगा सकता है।

MIT के शोधकर्ताओं ने एक मशीन-सीखने का मॉडल विकसित किया है जो कहता है कि वे संज्ञानात्मक गिरावट का सटीक अनुमान लगा सकते हैं।

अल्जाइमर रोग दुनिया भर में लाखों लोगों को प्रभावित करता है, फिर भी वैज्ञानिक अभी तक यह नहीं जानते हैं कि इसका क्या कारण है।

इस कारण से, रोकथाम की रणनीतियों को हिट और याद किया जा सकता है। इसके अलावा, हेल्थकेयर पेशेवरों के पास किसी व्यक्ति द्वारा संज्ञानात्मक गिरावट की दर निर्धारित करने का कोई स्पष्ट तरीका नहीं है, जब एक डॉक्टर ने उन्हें अल्जाइमर का निदान किया है।

अब, कैम्ब्रिज में मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी (एमआईटी) के शोधकर्ताओं - अन्य संस्थानों के विशेषज्ञों के सहयोग से - एक मशीन-शिक्षण मॉडल विकसित किया है जो विशेषज्ञों को यह अनुमान लगाने की अनुमति दे सकता है कि किसी व्यक्ति का संज्ञानात्मक कामकाज 2 साल पहले तक कैसे बदल जाएगा। इस गिरावट की स्थापना हो रही है।

टीम - ओग्जेन रुडोविक, युरिया उत्सुमी, केली पीटरसन, रिकार्डो गुरेरो, डैनियल रूएकेर्ट, और प्रो। रोजालिंड पिकार्ड की बनाई टीम हेल्थकेयर सम्मेलन के लिए मशीन लर्निंग में इस सप्ताह के अंत में अपनी परियोजना पेश करेगी। इस साल का सम्मेलन एन आर्बर, एमआई में होगा।

रूडोविच बताते हैं, "नैदानिक ​​परीक्षण को डिजाइन करने के लिए 6 से 24 महीनों तक संज्ञानात्मक गिरावट की सटीक भविष्यवाणी है।" यह, वह कहते हैं, "क्योंकि [ख] भविष्य के संज्ञानात्मक परिवर्तनों की सटीक भविष्यवाणी करने में सक्षम होने से प्रतिभागी को कितनी यात्राएं करनी पड़ती हैं, जो महंगी और समय लेने वाली हो सकती हैं।"

"एक उपयोगी दवा विकसित करने में मदद करने के अलावा," शोधकर्ता जारी है, "लक्ष्य नैदानिक ​​परीक्षणों की लागत को कम करने में मदद करना है ताकि उन्हें अधिक सस्ती और बड़े पैमाने पर किया जा सके।"

गिरावट की भविष्यवाणी करने के लिए मेटा लर्निंग का उपयोग करना

अपने नए मॉडल को विकसित करने के लिए, टीम ने अल्जाइमर रोग न्यूरोइमेजिंग इनिशिएटिव (ADNI) के डेटा का उपयोग किया, जो दुनिया में सबसे बड़ा अल्जाइमर रोग नैदानिक ​​परीक्षण डेटासेट है।

ADNI के माध्यम से, शोधकर्ता लगभग 1,700 लोगों के डेटा का उपयोग करने में सक्षम थे - कुछ के साथ और कुछ अल्जाइमर रोग के बिना - 10 वर्षों में एकत्र किए गए।

टीम में नैदानिक ​​जानकारी तक पहुंच थी, जिसमें प्रतिभागियों के संज्ञानात्मक कार्य आकलन, मस्तिष्क स्कैन, व्यक्तियों के डीएनए मेकअप से संबंधित डेटा और मस्तिष्कमेरु द्रव माप शामिल थे, जो अल्जाइमर रोग बायोमार्कर को प्रकट करते हैं।

पहले कदम के रूप में, शोधकर्ताओं ने 100 प्रतिभागियों के उपसमूह से डेटा का उपयोग करके अपने मशीन-लर्निंग मॉडल का विकास और परीक्षण किया। हालांकि, इस कोहोर्ट के बारे में बहुत सारे लापता आंकड़े थे। इसलिए, जांचकर्ताओं ने कोहोर्ट के उपलब्ध डेटा का विश्लेषण करने के लिए एक अलग सांख्यिकीय दृष्टिकोण का उपयोग करने का निर्णय लिया, जो विश्लेषण को और अधिक सटीक बना देगा।

फिर भी, नया मॉडल उस सटीकता के स्तर तक नहीं पहुंच पाया, जिसकी डेवलपर्स को उम्मीद थी। इसे और भी सटीक रूप से प्रस्तुत करने के लिए, शोधकर्ताओं ने ADNI प्रतिभागियों के एक अन्य सबकोहोर्ट के डेटा का उपयोग किया।

इस बार, हालांकि, टीम ने सभी के लिए एक ही मॉडल लागू करने के खिलाफ फैसला किया। इसके बजाय, वे प्रत्येक प्रतिभागी को फिट करने के लिए मॉडल को व्यक्तिगत करते हैं, नए डेटा में लेते हैं क्योंकि वे प्रत्येक नए नैदानिक ​​मूल्यांकन के बाद उपलब्ध हुए थे।

इस दृष्टिकोण के साथ, शोधकर्ताओं ने पाया कि मॉडल ने अपने पूर्वानुमान में काफी कम त्रुटि दर का नेतृत्व किया। इसके अलावा, यह नैदानिक ​​डेटा पर लागू मौजूदा मशीन-लर्निंग मॉडल की तुलना में बेहतर प्रदर्शन करता है।

फिर भी, शोधकर्ताओं ने यह सुनिश्चित करने के लिए एक कदम आगे बढ़ाया कि उनके दृष्टिकोण ने यथासंभव कम त्रुटि के लिए कमरे को छोड़ दिया। वे एक "मेटा लर्निंग" मॉडल तैयार करते हैं जो प्रत्येक प्रतिभागी में संज्ञानात्मक परिणामों की भविष्यवाणी करने के लिए सबसे अच्छा तरीका चुन सकता है।

यह मॉडल स्वचालित रूप से समग्र आबादी और व्यक्तिगत दृष्टिकोण के बीच चयन करता है, जो गणना करता है कि किसी विशेष समय में किसी भी व्यक्ति के लिए सबसे अच्छी भविष्यवाणी की संभावना होगी।

शोधकर्ताओं ने पाया कि इस दृष्टिकोण ने भविष्यवाणियों के लिए त्रुटि दर को 50% तक कम कर दिया।

रूडोविक बताते हैं, "हमें एक भी मॉडल या ऐसे मॉडल का निश्चित संयोजन नहीं मिला, जो हमें सबसे अच्छी भविष्यवाणी दे सके।"

“इसलिए हम सीखना चाहते थे कि इस मेटा लर्निंग स्कीम के साथ कैसे सीखें। यह एक मॉडल के शीर्ष पर एक मॉडल की तरह है जो चयनकर्ता के रूप में कार्य करता है, यह निर्धारित करने के लिए मेटा ज्ञान का उपयोग करके प्रशिक्षित किया जाता है कि कौन सा मॉडल तैनात करना बेहतर है। "

ओग्जेन रुडोविक

आगे बढ़ते हुए, टीम का लक्ष्य एक अल्जाइमर रोग के चल रहे परीक्षण में इस मॉडल का परीक्षण करने के लिए एक फार्मास्युटिकल कंपनी के साथ साझेदारी करना है।