인공 지능은 증상이 나타나기 몇 년 전에 파킨슨병을 감지하도록 훈련될 수 있습니다.

과학자들은 파킨슨병의 치료법을 찾을 뿐만 아니라 이를 조기에 발견하고 진행을 중단할 수 있는 더 나은 방법을 찾기에도 바쁩니다.

위: 신경망은 가중치 노드 계층을 기반으로 구축되었습니다.

이제 표준 노트북에서 빠르게 실행되는 새로운 도구는 인공 지능을 사용하여 떨림 및 움직임 둔화와 같은 증상이 나타나기 몇 년 전에 질병의 잠재적 징후를 감지합니다. 이를 "CRANK-MS"라고 합니다. 신경망을 사용하여 질량 분석법에서 지식을 생성하는 분류 및 순위 분석입니다.

인간의 뇌를 모델로 한 훈련된 노드 계층을 사용하여 이 도구는 혈액 내 특정 화합물(대사물질)을 찾아 질병의 존재를 예측하거나 예방할 수 있는 패턴을 식별합니다.

어떤 대사산물이 대조군에 비해 질병에 더 중요한지 알아내기 위해 연구자들은 종종 특정 분자와 관련된 상관관계를 조사한다고 호주 뉴사우스웨일스 대학교의 화학자 Diana Zhang은 말합니다. 다른 대사산물과 관련이 있어야 합니다. 여기서 기계 학습이 필요합니다. 수백 또는 수천 개의 대사산물에 대해 우리는 계산 능력을 사용하여 무슨 일이 일어나고 있는지 이해합니다."

연구팀은 스페인의 영양 및 암에 관한 유럽 전향적 연구의 일환으로 혈장 샘플을 사용했습니다. 연구팀은 연구 참여 후 15년 이내에 파킨슨병이 발생한 환자 39명을 관찰하고 대사산물 혼합물을 파킨슨병이 발생하지 않은 대조군 39명과 비교했다. 잠재적으로 중요하다고 간주되는 몇 가지 패턴이 확인되었습니다.

이러한 대사산물은 신체가 음식, 약물 또는 화학 물질을 분해할 때 생성됩니다. 예를 들어, 연구팀은 파킨슨병 환자의 혈중 트리테르펜 수치가 낮은 경향이 있다는 사실을 발견했습니다. 트리테르펜은 세포 수준에서 신체의 스트레스를 처리하고 사과, 올리브, 토마토와 같은 식품에서 발견됩니다.

연구원들은 또한 나중에 파킨슨병이 발병한 사람들에게서 폴리플루오로알킬 물질(PFAS)이 존재한다는 사실도 발견했습니다. 이는 산업용 화학물질에 대한 높은 노출과 관련이 있을 수 있지만 확실히 알기 위해서는 더 많은 환자를 대상으로 한 대규모 연구가 필요합니다.

이 연구는 상대적으로 규모가 작았지만 CRANK-MS는 96%의 정확도로 파킨슨병의 위험을 감지할 수 있었습니다. 이는 수동으로 단순화하거나 필터링할 필요 없이 처음부터 시스템에 입력되는 데이터의 양과 폭에 부분적으로 기인합니다.

위: 혈액 분석을 사용하여 파킨슨병의 위험을 평가할 수 있습니다.

뉴사우스웨일스 대학의 화학자 William Donald는 다음과 같이 말했습니다. "여기서 우리는 처음에는 데이터 축소 없이 모든 정보를 CRANK-MS에 입력합니다. 이를 통해 모델 예측을 얻을 수 있고 어떤 것이 무엇인지 결정할 수 있습니다. 대사산물은 한 단계에서 가장 많은 예측을 이끌어냅니다. 즉, 기존 방법으로 놓쳤을 수 있는 대사산물이 있으면 이제 이를 추출할 수 있습니다."

다른 과학자들도 CRANK-MS를 사용할 수 있습니다. 이는 혈액 샘플을 통해 더 많은 질병을 발견할 수 있음을 의미합니다.

연구원들은 이제 AI 분석이 파킨슨병에 효과가 있는지 확인하기 위해 전 세계 더 많은 지역의 대규모 집단에서 시스템을 테스트하기를 희망하고 있습니다. 그러나 혈액 내 대사산물 분석 측면에서는 아직 초기 단계입니다. 결과는 매우 유망합니다. .

화학자 윌리엄 도널드(William Donald)는 “첫째, 임상 진단 전 파킨슨병을 예측하는 정확도가 매우 높다. 둘째, 이러한 머신러닝 접근법을 통해 향후 파킨슨병이 발병할 사람을 정확하게 예측하는 데 중요한 화학적 표지자를 식별할 수 있다. 셋째, 파킨슨병을 가장 정확하게 예측하는 일부 화학적 표지는 이전의 세포 기반 분석에서 다른 사람들에 의해 파킨슨병과 연관되어 있었지만 인간에서는 그렇지 않았습니다.”

이 연구는 ACS Central Science 저널에 게재되었습니다.

친구들이 마음에 든다면 "새로운 소식을 알아보세요"에 주목해주세요!

위 내용은 인공 지능은 증상이 나타나기 몇 년 전에 파킨슨병을 감지하도록 훈련될 수 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!