Az Alzheimer-kór köztudottan emlékezési, gondolkodási és viselkedési problémákat okozó agyi megbetegedés. Az utóbbi néhány évtizedben kutatók különféle idegkép-adatok mintázatait (pozitron kibocsátású topográfia – PET, mágneses rezonanciás képalkotás – MRI) használva igyekeztek előrejelezni a sok idős személy életét megkeserítő megbetegedést.

A legtöbb eddigi kutatás azonban komoly hiányosságot mutatott, mert egyetlen időpontra összpontosítottak, nem vették figyelembe az MRI/PET pontok és a klinikai eredmények több időpontbeli kapcsolatait. Lényegében szűk keresztmetszetet adtak.

Kínai kutatók a gépi tanulást és mélytanulási (deep learning) keretet összekombinálva igyekeznek pontosabb klinikai eredményeket prognosztizálni. Nem vetik el teljesen a korábbiakat, hanem lényegében felcserélik az idegi képek és a klinikai eredmények kapcsolatát.

A keret részeként speciális szempontok alapján dolgoztak ki előrejelzési eljárásokat. Az eljárásokat két forgatókönyvben, két adatsor-fajtára alkalmazták, így igyekeztek klinikai adatsorokat prognosztizálni, amelyekhez az Alzheimer-kór Idegképalkotó Iniciatíva (ADNI) adatbázisát használták.

A kombinációkkal jelentősen javultak az eredmények, sokkal pontosabb lett az előrejelzés, az Alzheimer-kórra utaló biomarkereket fedeztek fel.

A különféle régebbi módszerek és az új összehasonlításából egyértelműen kiderült: a legjobb eredmények az újjal érhetők el. Sokkal komplexebb, kevésbé statikus ez a megközelítés.

„Technikánk egyik előnye, hogy az előző időpontok adatsorát használva próbáltuk megkapni a következő időpont prognosztizált eredményeit. Ezzel a módszerrel pontosabbak lehetnek a prognózisok” – magyarázza Wang Shuqiang, az egyik kutató.

Shuqiang megjegyezte, hogy több releváns részletet, az illető nemét, iskolai végzettségét, fiziológiáját ezúttal nem vették figyelembe. A módszert a jövőben természetesen javítani szeretnék, és már dolgoznak is rajta.