Kajian Baru: Ujian Non-invasif Meramalkan Risiko Alzheimer dan Dementia
Penyelidikan baru menunjukkan kemajuan teknologi sekarang membolehkan perisian untuk meramalkan risiko seseorang untuk menghidap penyakit Alzheimer dan demensia yang berkaitan dari maklumat yang diperoleh semasa lawatan ke doktor rutin.
Penemuan ini penting kerana ia adalah kaedah yang rendah dan tidak mengganggu untuk mengesan penyakit kronik yang sering mengganggu kehidupan kedua-dua individu dan keluarganya.
Para saintis dari Regenstrief Institute, Indiana University dan Merck mengembangkan dan menguji algoritma menggunakan data dari rekod perubatan elektronik. Perkembangan baru itu penting kerana sekurang-kurangnya 50% pesakit perawatan primer yang lebih tua yang hidup dengan penyakit Alzheimer dan demensia yang berkaitan tidak pernah mendapat diagnosis.
Dan banyak lagi hidup dengan gejala selama dua hingga lima tahun sebelum didiagnosis. Pada masa ini, ujian untuk memeriksa risiko demensia bersifat invasif, memakan masa dan mahal.
"Perkara yang hebat mengenai kaedah ini adalah bahawa ia pasif, dan memberikan ketepatan yang serupa dengan ujian yang lebih mengganggu yang sedang digunakan," kata penyelidik utama Malaz Boustani, MD, MPH, seorang saintis penyelidikan di Institut Regenstrief dan seorang profesor di Universiti Indiana Pusat Pengajian Perubatan.
"Ini adalah kos rendah, skala yang dapat memberikan manfaat besar bagi pasien dan keluarga mereka dengan menolong mereka mempersiapkan kemungkinan hidup dengan demensia dan memungkinkan mereka mengambil tindakan."
Pasukan penyelidik, yang juga termasuk saintis dari Georgia State, Albert Einstein College of Medicine dan Solid Research Group, baru-baru ini menerbitkan penemuannya mengenai dua pendekatan pembelajaran mesin yang berbeza.
Satu makalah, diterbitkan dalam Jurnal Persatuan Geriatrik Amerika, menganalisis hasil algoritma pemprosesan bahasa semula jadi. Dalam teknik ini, pendekatan pembelajaran mesin ditentukan dengan menganalisis contoh.
Pendekatan berkaitan, dibincangkan dalam Kecerdasan Buatan dalam Perubatan artikel, berkongsi hasil dari model yang menggunakan kumpulan keputusan. Kedua-dua kaedah menunjukkan ketepatan yang sama dalam meramalkan permulaan demensia dalam satu dan tiga tahun diagnosis.
Untuk melatih algoritma, para penyelidik mengumpulkan data mengenai pesakit dari Indiana Network for Patient Care. Model menggunakan maklumat mengenai preskripsi dan diagnosis, yang merupakan bidang terstruktur, serta nota perubatan, yang merupakan teks percuma, untuk meramalkan timbulnya demensia.
Para penyelidik mendapati bahawa nota teks bebas adalah yang paling berharga untuk membantu mengenal pasti orang yang berisiko menghidap penyakit ini.
"Penyelidikan ini sangat menarik kerana berpotensi memberikan manfaat yang signifikan bagi pasien dan keluarga mereka," kata Patrick Monahan, PhD, penulis kajian dari IU School of Medicine dan seorang saintis afiliasi Regenstrief.
"Doktor boleh memberikan pendidikan mengenai tingkah laku dan tabiat untuk membantu pesakit mengatasi gejala mereka dan menjalani kualiti hidup yang lebih baik."
Zina Ben Miled, PhD, MS, seorang penulis kajian dari Purdue School of Engineering and Technology menjelaskan: “Pengenalpastian risiko awal memungkinkan peluang bagi doktor dan keluarga untuk membuat rancangan perawatan. Saya tahu dari pengalaman betapa bebanannya untuk menangani diagnosis demensia. Jendela yang disediakan oleh ujian ini sangat penting untuk membantu meningkatkan kualiti hidup bagi pesakit dan keluarga mereka. "
Sebagai tambahan kepada kebaikan keluarga, kaedah ini juga dapat memberikan penjimatan kos yang besar bagi pesakit dan sistem kesihatan. Mereka menggantikan keperluan ujian yang mahal dan membolehkan doktor menyaring seluruh populasi untuk mengenal pasti mereka yang paling berisiko. Menunda permulaan gejala juga menjimatkan sejumlah besar wang untuk rawatan.
Langkah seterusnya adalah menggunakan algoritma pembelajaran mesin ini di klinik kehidupan sebenar untuk menguji apakah mereka membantu mengenal pasti kes demensia yang lebih tepat dan juga untuk mengetahui bagaimana mereka mempengaruhi kesediaan pesakit untuk menindaklanjuti hasilnya.
Sumber: Institut Regenstrief
