加载中…以机器学习人工智能追踪小鼠的早期异常行为，揭示出阿尔茨海默发病前期的特征
(2024-11-27 12:07:20)
标签：
365 |
以机器学习人工智能追踪小鼠的早期异常行为，揭示出阿尔茨海默发病前期的特征
早期诊断的进步：剑桥大学的研究团队开发了一种新的人工智能模型，该模型在预测阿尔茨海默症进展方面的表现优于目前的临床测试方法。该模型使用认知测试和MRI扫描数据，准确预测了五分之四的阿尔茨海默病进展。
行为分析工具：Gladstone
Institutes的科学家们开发了一种基于视频的机器学习工具，称为VAME（Variational Animal Motion
Embedding），用于识别小鼠中不易察觉的早期疾病迹象。这个工具能够分析小鼠在开放环境中探索的视频录像，识别出可能与记忆和注意力缺陷相关的异常行为模式。
行为模式的变化：使用VAME工具的研究显示，在模拟阿尔茨海默症不同方面的两种小鼠模型中，随着小鼠年龄的增长，机器学习工具识别出“无组织行为”的显著增加。例如，小鼠表现出不寻常的行为模式，并在不同活动之间更频繁地转换。
治疗评估：Gladstone团队还使用VAME来评估一种潜在的阿尔茨海默症治疗干预措施，通过阻断一种名为纤维蛋白的凝血蛋白的毒性效应，减少小鼠的异常行为发展，这表明纤维蛋白及其随后的神经炎症是疾病的关键驱动因素。
临床应用潜力：VAME工具的开发者认为，类似的机器学习方法未来可能用于研究人类自发行为，为神经疾病的早期诊断提供可能，甚至可以使用智能手机质量的视频进行VAME分析。
综上所述，机器学习和人工智能技术在阿尔茨海默症的早期诊断和行为分析方面展现出巨大潜力，有助于更早地识别和追踪疾病的发展，为未来的治疗和干预提供了新的策略。
喜欢
0
赠金笔