科学者らがパーキンソン病の発症を予測するAIツールを開発(Scientists develop AI tool to predict Parkinson’s disease onset)

ad

2023-05-10 ニューサウスウェールズ大学(UNSW)

◆オーストラリアのシドニー大学の研究者らが、新しい機械学習ツールを開発し、非遺伝性パーキンソン病のリスクを特定するための血液検査が可能になる可能性があると報告した。
◆研究では、健康な人々の血液サンプルを使い、15年後にパーキンソン病を発症した39人の代謝物の組み合わせを分析した。それにより、独特な代謝物の組み合わせが見つかり、未来のパーキンソン病の早期警告となる可能性があると報告された。ただし、より多くの調査が必要である。この研究により、機械学習を活用した疾患診断とモニタリングの方法が改善されることが期待される。

<関連情報>

メタボロミクスデータの解釈可能な機械学習により、パーキンソン病のバイオマーカーが明らかになる Interpretable Machine Learning on Metabolomics Data Reveals Biomarkers for Parkinson’s Disease

J. Diana Zhang, Chonghua Xue, Vijaya B. Kolachalama, and William A. Donald
ACS Central Science  Published:May 9, 2023
DOI:https://doi.org/10.1021/acscentsci.2c01468

科学者らがパーキンソン病の発症を予測するAIツールを開発(Scientists develop AI tool to predict Parkinson’s disease onset)

Abstract

The use of machine learning (ML) with metabolomics provides opportunities for the early diagnosis of disease. However, the accuracy of ML and extent of information obtained from metabolomics can be limited owing to challenges associated with interpreting disease prediction models and analyzing many chemical features with abundances that are correlated and “noisy”. Here, we report an interpretable neural network (NN) framework to accurately predict disease and identify significant biomarkers using whole metabolomics data sets without a priori feature selection. The performance of the NN approach for predicting Parkinson’s disease (PD) from blood plasma metabolomics data is significantly higher than other ML methods with a mean area under the curve of >0.995. PD-specific markers that predate clinical PD diagnosis and contribute significantly to early disease prediction were identified including an exogenous polyfluoroalkyl substance. It is anticipated that this accurate and interpretable NN-based approach can improve diagnostic performance for many diseases using metabolomics and other untargeted ‘omics methods.

医療・健康
ad
ad
Follow
ad
タイトルとURLをコピーしました