Globální studie ukazuje delší mozkové skenování nižších nákladů na výzkum, poskytuje přesnější předpovědi

Modely umělé inteligence (AI) vyškolené na velkých datových souborech jsou stále více považovány za klíč k odemknutí personalizovaných ošetření poruch mozku. Důležitým úzkým místem pro měřítko AI jsou náklady na sběr dat. To vyvolává základní dilema: Je nákladově efektivnější skenovat více lidí na krátkou dobu, nebo méně lidí déle?

Studie, Publikováno v časopise PřírodaPod vedením docenta Thomase Yeo z Centra pro spánek a poznání, Yong Loo Lin School of Medicine, National University of Singapur (NUS Medicine), nyní nabízí jasnou odpověď: 30minutové funkční MRI (fMRI) skenování přináší až 22% úspor nákladů, přičemž stále udržuje nebo dokonce zlepšuje predikční přesnost.

Tradiční myšlení v neurovědě zdůrazňuje shromažďování masivních datových sad skenováním tisíců lidí pro krátké trvání, obvykle asi 10 minut pro fMRI. Modely AI pak mohou být vyškoleny k použití skenování mozku k předpovědi rysů nebo výsledků na úrovni individuální úrovně. Tyto vlastnosti a výsledky mohou zahrnovat Kognitivní schopnosti (EG paměť, výkonná funkce), ukazatele duševního zdraví a klinické výsledky (např. Riziko Alzheimerovy choroby).

Přesto, jak počet účastníků stoupá, také náklady: dokonce i krátký skenování může být drahé, jakmile jsou skryté náklady na náboj, plánování a administrativní sledování těchto dobrovolníků zohledněny. Krátké skenování také nemusí zachytit dostatek kvalitních informací, aby vytvořily spolehlivé osobní předpovědi.

Tým položil praktickou otázku: Co když jsme se zaměřili na skenování méně jedinců, ale po delší dobu? Spolupráce s spolupracovníky po celém světě, včetně profesora Thomase Nicholse z Oxfordské univerzity a profesora Nico Dosenbacha z Washingtonské univerzity v St. Louis, vědci vyvinuli a Matematický model To předpovídá, jak změny v době skenování a počtu účastníků ovlivňují výkon modelů AI založených na mozku.

Ověřili svůj model pomocí devíti mezinárodních zobrazovacích datových sad zahrnujících tisíce jednotlivců různých věků, etnik a zdravotního stavu. Zjistili, že jejich model lze použít k přizpůsobení návrhu studie, aby maximalizoval přesnost predikce a minimalizoval náklady. Skenování každé osoby po dobu 30 minut poskytuje sladké místo pro maximalizaci přesnosti predikce a minimalizuje náklady na výzkum.

„Po celá léta byla mantra„ větší je lepší “. Pronásledovali jsme stále velké kohorty, aniž bychom se ptali, jak dlouho by měl být každý člověk naskenován. „V podstatě můžeme získat to nejlepší z obou světů – předpověď za nižší cenu.“

Toto zjištění by mohlo přetvořit, jak vědci navrhují studie neurovědy a duševního zdraví, zejména pro těžko dostupné populace, jako jsou pacienti se vzácnými neurologickými stavy.

Tým nyní zdokonaluje svůj model pomocí klinických dat v reálném světě a vznikající technologie zobrazování mozku. Jejich cíl: Usnadněte pro vědce a zdravotnické systémy po celém světě ještě snazší navrhnout chytřejší a nákladově efektivnější studie mozku.

Pomáháme studiím shromažďovat lepší údaje za méně peněz, práce by mohla utvářet budoucí výzkum v neurologii a psychiatrii – a vést národní a globální úsilí o poskytování více personalizované a dostupnější zdravotní péče.

Profesor Nico Dosenbach, neurolog z Washingtonské univerzity v St. Louis, spoluautor studie, dodal: „Toto je měnič her pro pole. Dává výzkumným týmům přísnější, kvantitativní způsob, jak navrhnout chytřejší studie, zejména kritické, když se pohybujeme k přesné neurovědy.

Studie byl společně poprvé vytvořen Dr. Leon Ooi, Dr. Csaba Orbanem, Dr. Shaoshi Zhangem, výzkumnými členy v laboratoři docentského profesora Thomase Yeo, který je senior a odpovídající autor studie.