淀粉樣斑塊是阿爾茨海默癥患者大腦中蛋白質(zhì)碎片的團(tuán)塊，可以破壞神經(jīng)細(xì)胞連接。為了能夠像Facebook根據(jù)已捕捉到的圖像來識(shí)別人臉一樣識(shí)別蛋白質(zhì)碎片，加州大學(xué)戴維斯分校(UC Davis)和加州大學(xué)舊金山分校(UC San Francisco)的科學(xué)家團(tuán)隊(duì)合作開發(fā)了機(jī)器學(xué)習(xí)工具，用以快速“看到”腦組織樣本中是否存在淀粉樣斑塊。

https://doi.org/10.1038/s41467-019-10212-1

這項(xiàng)于5月15日發(fā)表在《Nature Communications》雜志上的研究結(jié)果表明，機(jī)器學(xué)習(xí)可以增強(qiáng)神經(jīng)病理學(xué)家的專業(yè)知識(shí)和分析能力，幫助分析海量數(shù)據(jù)，并提出新的問題。即使是訓(xùn)練有素的人類專家，在有限的數(shù)據(jù)處理能力下也不可能提出這些問題。

Brittany Dugger

“當(dāng)然，我們?nèi)匀恍枰±韺W(xué)家，”研究的主要作者、加州大學(xué)戴維斯分校病理學(xué)和檢驗(yàn)醫(yī)學(xué)系助理教授Brittany N. Dugger博士說，“這是一個(gè)工具，就像鍵盤是用來打字一樣。數(shù)字病理學(xué)與機(jī)器學(xué)習(xí)相結(jié)合可以幫助改善神經(jīng)病理學(xué)工作流程。”

在這項(xiàng)最新研究中，Dugger與加州大學(xué)舊金山分校神經(jīng)退行性疾病研究所和藥物化學(xué)系助理教授Michael J. Keizer博士合作，開發(fā)了一種名為“卷積神經(jīng)網(wǎng)絡(luò)”(CNN)的計(jì)算機(jī)程序，旨在確定是否可以讓計(jì)算機(jī)自動(dòng)識(shí)別和分析人類大腦組織中的淀粉樣斑塊。

Michael J. Keizer

為了創(chuàng)建足夠的訓(xùn)練樣例來讓CNN算法學(xué)習(xí)Dugger教授是如何分析腦組織的，研究人員想出一個(gè)方法，讓Dugger教授迅速注釋或標(biāo)記來自43個(gè)健康和患病大腦樣本組織的50萬張?zhí)貙憟D像，作為算法學(xué)習(xí)的樣例。

同時(shí)，他們還開發(fā)了一個(gè)網(wǎng)絡(luò)平臺(tái)，讓Dugger教授可以一次只看一個(gè)高度放大的潛在斑塊區(qū)域并迅速標(biāo)記。這一數(shù)字病理學(xué)的新工具被稱為“blob or not”，它可以允許Dugger教授以每小時(shí)約2000張的速度注釋超過70000個(gè)“blobs”或候選斑塊。

機(jī)器學(xué)習(xí)工具可準(zhǔn)確檢測(cè)疾病標(biāo)記

UCSF團(tuán)隊(duì)使用包含數(shù)以萬計(jì)的標(biāo)記示例圖像的數(shù)據(jù)庫來訓(xùn)練他們的CNN機(jī)器學(xué)習(xí)算法，用以識(shí)別阿爾茨海默病中出現(xiàn)的不同類型的大腦變化，并且區(qū)分所謂的核心和彌漫性斑塊以及識(shí)別血管異常。

新的AI算法能夠有效地自動(dòng)化分類阿爾茨海默病患者死后腦中的淀粉樣斑塊和血管異常。圖片來源：Keiser / Dugger實(shí)驗(yàn)室。

研究人員表示，他們的算法可以保證98.7%的準(zhǔn)確率來處理整個(gè)大腦切片，速度僅受所用計(jì)算機(jī)處理器數(shù)量的限制。(在目前的研究中，他們使用的是與家庭游戲玩家類似的單一顯卡。)

隨后，研究小組對(duì)計(jì)算機(jī)的識(shí)別能力進(jìn)行了嚴(yán)格的測(cè)試，以確保其分析在生物學(xué)有效性。

Keiser解釋說，“眾所周知，要想知道機(jī)器學(xué)習(xí)算法在幕后究竟在做什么是非常困難的，但是我們可以打開黑匣子，讓它向我們展示它為什么做出預(yù)測(cè)。”他強(qiáng)調(diào)，機(jī)器學(xué)習(xí)工具在識(shí)別斑塊方面并不比人類專家更擅長(zhǎng)，但它不知疲倦，且可擴(kuò)展我們的范圍。例如，我們可以在意想不到的地方尋找罕見的斑塊，這些斑塊可以為我們了解疾病的進(jìn)程提供重要的線索。

為了推廣該工具的使用，研究人員將其和研究數(shù)據(jù)公布在網(wǎng)上。其他研究人員可以互動(dòng)，在自己的實(shí)驗(yàn)室里評(píng)估了該數(shù)據(jù)和算法。

未來，研究人員希望，這樣的算法將成為神經(jīng)病理學(xué)研究的標(biāo)準(zhǔn)部分，訓(xùn)練有素地幫助科學(xué)家分析大量數(shù)據(jù)并不知疲倦地尋找模式，以開啟對(duì)疾病原因和潛在治療的新見解，為阿爾茨海默癥的精準(zhǔn)治療打開一扇大門。

參考資料：

[1] Artificial intelligence tool vastly scales up Alzheimer's research