TOKYO, ngày 29 tháng 2023 năm XNUMX - (JCN Newswire) - Đại học Oita và Công ty TNHH Eisai (Eisai) xin công bố phát triển mô hình học máy đầu tiên trên thế giới để dự đoán sự tích tụ amyloid beta(1) (Aβ) trong não bằng cảm biến dây đeo cổ tay. Mô hình này được kỳ vọng sẽ cho phép sàng lọc sự tích lũy Aβ trong não, một yếu tố bệnh lý quan trọng của bệnh Alzheimer (2) (AD), chỉ bằng cách thu thập dữ liệu sinh học và lối sống từ cuộc sống hàng ngày.

Thông tin chi tiết về mô hình này đã được công bố trên ấn bản trực tuyến của tạp chí y khoa Nghiên cứu & Trị ​​liệu Alzheimer được bình duyệt vào ngày 12 tháng 2023 năm XNUMX.

Ở AD, được cho là nguyên nhân gây ra hơn 60% nguyên nhân gây ra chứng mất trí nhớ, Aβ bắt đầu tích tụ trong não khoảng 20 năm trước khi phát bệnh. Điều này đã thúc đẩy sự phát triển của các loại thuốc điều trị mới nhắm vào Aβ, dẫn đến việc phê duyệt kháng thể đơn dòng Aβ tổng hợp chống hòa tan được nhân bản hóa ở Nhật Bản. Chìa khóa để tối đa hóa hiệu quả điều trị của thuốc là phát hiện sự tích tụ Aβ trong não của bệnh nhân suy giảm nhận thức nhẹ trước khi xuất hiện triệu chứng. Hiện tại, mặc dù sự tích lũy Aβ trong não có thể được phát hiện bằng chụp cắt lớp phát xạ positron(3) (PET amyloid) và xét nghiệm dịch não tủy*4 (xét nghiệm CSF), số lượng viện y tế có thể thực hiện các xét nghiệm đó còn hạn chế, chi phí và khả năng xâm lấn cao trong số các bài kiểm tra này được coi là vấn đề. Do đó, việc phát triển một phương pháp sàng lọc rẻ tiền và dễ sử dụng đã được tìm kiếm để xác định những người cần xét nghiệm PET hoặc CSF amyloid.

Mặc dù các yếu tố lối sống, bao gồm thiếu tập thể dục, cách ly xã hội và rối loạn giấc ngủ, cũng như các bệnh tật, bao gồm tăng huyết áp, tiểu đường và bệnh tim mạch là những yếu tố nguy cơ được biết đến đối với AD, cho đến nay, các nghiên cứu áp dụng mô hình học máy để dự đoán sự tích lũy Aβ trong não đã có những kết quả tích cực. chỉ sử dụng các xét nghiệm chức năng nhận thức, xét nghiệm máu và xét nghiệm hình ảnh não. Ngược lại, đây là nghiên cứu máy học đầu tiên tập trung vào “dữ liệu sinh học” và “dữ liệu lối sống”.

Nghiên cứu này tích hợp “dữ liệu sinh học” được thu thập bởi các cảm biến trên dây đeo cổ tay, chẳng hạn như hoạt động thể chất, giấc ngủ và nhịp tim, “dữ liệu về lối sống” thu được từ các cuộc tư vấn y tế, chẳng hạn như số thành viên trong gia đình, tình trạng việc làm, tần suất ra ngoài trời, phương tiện đi lại , số ngày tham gia hoạt động cộng đồng và “nền tảng của đối tượng”, chẳng hạn như tuổi tác, tiền sử học vấn, tiền sử uống rượu và tiền sử bệnh tật (tăng huyết áp, đột quỵ, tiểu đường, bệnh tim, bệnh tuyến giáp) để tạo ra mô hình học máy để dự đoán những cá nhân có khả năng cho kết quả dương tính với PET amyloid não và đánh giá hiệu suất của mô hình. Kết quả của nghiên cứu này cho thấy Diện tích dưới đường cong (AUC), chỉ số đánh giá của mô hình dự đoán bao gồm “dữ liệu sinh học”, “dữ liệu lối sống” và “nền tảng của đối tượng”, là 0.79, dẫn đến quyết định rằng mô hình có đủ khả năng sàng lọc. Mô hình học máy này có thể dự đoán sự tích lũy Aβ của não bằng cách sử dụng các biến không xâm lấn có sẵn. Do đó, mô hình này dường như được áp dụng rộng rãi như một biện pháp sàng lọc trước cho những người sống ở những khu vực ít được tiếp cận với xét nghiệm PET và CSF amyloid, đồng thời giảm gánh nặng tài chính và thể chất cho bệnh nhân cũng như chi phí nghiên cứu lâm sàng.

Bối cảnh và đề cương nghiên cứu

Khi Nhật Bản trở thành một xã hội siêu lão hóa với số lượng bệnh nhân sa sút trí tuệ trên 65 tuổi ngày càng gia tăng, việc phát triển các phương pháp điều trị mới cho AD, nguyên nhân phổ biến nhất của chứng sa sút trí tuệ, là một vấn đề cấp bách. Các thói quen lối sống như thiếu tập thể dục, cách ly xã hội và rối loạn giấc ngủ cũng như các bệnh như tăng huyết áp, tiểu đường và bệnh tim mạch là những yếu tố nguy cơ được biết đến đối với AD. Sự phát triển các loại thuốc nhắm vào Aβ đã đạt được tiến bộ trong những năm gần đây và năm nay, kháng thể kháng Aβ protofibril đã được phê duyệt ở Nhật Bản. Để tối đa hóa tác dụng của thuốc này, điều cần thiết là phải xác định những cá nhân bị suy giảm nhận thức nhẹ tiền triệu chứng (MCI), những người có khả năng tích tụ amyloid não tăng cao. Cho đến nay, mặc dù đã có báo cáo về các mô hình học máy để dự đoán sự tích lũy Aβ của não bằng các xét nghiệm chức năng nhận thức, xét nghiệm máu và xét nghiệm hình ảnh não nhưng chưa có nghiên cứu nào tập trung vào dữ liệu sinh học hoặc dữ liệu lối sống. Nghiên cứu này là nỗ lực đầu tiên trên thế giới nhằm tạo ra mô hình học máy để dự đoán mức độ tích cực của amyloid ở các đối tượng bằng cách sử dụng “dữ liệu sinh học” được thu thập bằng cảm biến dây đeo cổ tay, bao gồm hoạt động hàng ngày, giấc ngủ, lời nói và nhịp tim cũng như “dữ liệu lối sống” được thu thập thông qua tư vấn y tế.

Kết quả và ý nghĩa nghiên cứu, phát triển trong tương lai

Nghiên cứu này sử dụng dữ liệu từ một nghiên cứu đoàn hệ tương lai trên những người già không mắc chứng mất trí nhớ từ 65 tuổi trở lên sống ở Thành phố Usuki, Tỉnh Oita, được thực hiện từ tháng 2015 năm 2019 đến tháng 122 năm 54. 68 cá nhân (75.50 nam, 7 nữ, độ tuổi trung bình 3 tuổi) mắc bệnh nhẹ suy giảm nhận thức hoặc suy giảm trí nhớ chủ quan đeo cảm biến dây đeo cổ tay khoảng 3 ngày trong mỗi 0.70 tháng. Nghiên cứu cũng thu thập dữ liệu về lối sống thông qua tư vấn y tế và các đối tượng được kiểm tra PET amyloid thường xuyên (mỗi năm một lần) trong suốt 0.79 năm. Nghiên cứu đã đánh giá mô hình dự đoán được tạo bằng ba công nghệ máy học, máy vectơ hỗ trợ, Elastic Net và hồi quy logistic, để tích hợp “Dữ liệu sinh học” được thu thập bởi các cảm biến trên dây đeo tay, chẳng hạn như hoạt động thể chất, giấc ngủ và nhịp tim cũng như “dữ liệu về lối sống” thu được từ các cuộc tư vấn y tế, chẳng hạn như sống cùng các thành viên trong gia đình, tình trạng việc làm, tần suất ra ngoài, phương tiện di chuyển, số ngày tham gia hoạt động cộng đồng, cũng như “nền tảng của đối tượng”, chẳng hạn như tuổi tác, quá trình học tập, lịch sử sử dụng rượu và tiền sử bệnh (tăng huyết áp, đột quỵ, tiểu đường, bệnh tim, bệnh tuyến giáp). Ví dụ: trong khi  AUC của mô hình dự đoán được tạo chỉ bằng "dữ liệu sinh học" do cảm biến dây đeo cổ tay sử dụng Elastic Net thu thập là XNUMX thì AUC của mô hình dự đoán được tạo bằng "dữ liệu lối sống" bổ sung và thông tin cơ bản về bệnh nhân là XNUMX, cho thấy hiệu suất được cải thiện . Nghiên cứu này là nỗ lực đầu tiên trên thế giới nhằm tạo ra mô hình học máy để dự đoán sự tích lũy Aβ của não bằng cách sử dụng “dữ liệu sinh học” được thu thập bằng cảm biến dây đeo cổ tay, bao gồm hoạt động hàng ngày, giấc ngủ, lời nói và nhịp tim cũng như “dữ liệu lối sống” được thu thập thông qua y tế. tư vấn cũng như “nền tảng của đối tượng”.

Hơn nữa, bằng cách sử dụng các thuật toán tiên tiến để xác định nhiều yếu tố góp phần dự đoán sự tích lũy Aβ, 22 yếu tố chung đã được xác định là phổ biến trên ba công nghệ máy học. Được xác định cụ thể là hoạt động thể chất, giấc ngủ, nhịp tim, thời lượng trò chuyện, tuổi tác, thời gian học tập, sống có hoặc không có con, phương tiện đi lại, sự hiện diện của người đi cùng khi đến bệnh viện, tần suất liên lạc và số lần đi chơi.

Báo cáo khoa học:

Tiêu đề: Dự đoán mức độ tích cực của chụp cắt lớp phát xạ positron não amyloid bằng cách sử dụng các mô hình học máy có thể giải thích được với dữ liệu cảm biến có thể đeo và các yếu tố lối sống

Tác giả: Noriyuki Kimura (Khoa Thần kinh, Khoa Y, Đại học Oita) 1,2, Tomoki Aota (Eisai Co., Ltd.) 1, Yasuhiro Aso(Bệnh viện tỉnh Oita), Kenichi Yabuuchi (Khoa Thần kinh, Khoa Y , Đại học Oita), Kotaro Sasaki (Eisai Co., Ltd.), Teruaki Masuda (Khoa Thần kinh, Khoa Y, Đại học Oita), Atsuko Eguchi (Khoa Thần kinh, Khoa Y, Đại học Oita), Yoshitaka Maeda (Eisai Co., Ltd.), Ken Aoshima (Công ty TNHH Eisai/Đại học Tsukuba) 2, Etsuro Matsubara (Khoa Thần kinh, Khoa Y, Đại học Oita)

1. Các tác giả này đã đóng góp như nhau cho bản thảo.   
2. Tác giả tương ứng.

Nhà xuất bản: Nghiên cứu & Trị ​​liệu bệnh Alzheimer

Vui lòng gửi mọi yêu cầu phỏng vấn hoặc thắc mắc đến thông tin liên hệ được cung cấp bên dưới

Để biết thêm thông tin hoặc bất kỳ thắc mắc nào liên quan đến nghiên cứu này Noriyuki Kimura, Phó Giáo sư, Khoa Thần kinh, Khoa Y, Đại học Oita

(1) Amyloid beta: Một loại protein được coi là nguyên nhân gây ra bệnh Alzheimer, tích tụ trong não khoảng 20 năm trước khi phát bệnh và hình thành các mảng già
(2) Bệnh Alzheimer: nguyên nhân phổ biến nhất của chứng mất trí nhớ và các đặc điểm bệnh lý của nó bao gồm các mảng già, rối loạn sợi thần kinh và chết tế bào thần kinh
(3) Amyloid PET: xét nghiệm hình ảnh não cho thấy sự tích tụ Aβ trong não
(4) Xét nghiệm dịch não tủy: Xét nghiệm phân tích dịch não tủy để tìm Aβ42, tau phosphoryl hóa và tổng tau là dấu ấn sinh học của bệnh Alzheimer

TEL: +81-(0)97-586-5814, FAX: +81-(0)97-586-6502
Email：naika3@oita-u.ac.jp

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://www.jcnnewswire.com/pressrelease/88364/3/