全球近5000万人受到了阿尔茨海默病(AD)的影响，对于这种影响范围巨大的问题，我们需要大胆的解决方案。USC Keck医学院的Mark和Mary Stevens神经影像学与信息研究所(INI)及其合作者，预计将获得总计1780万美元的进一步资助，成为解决这一大难题的关键点。
“Ultrascale机器学习促进阿尔茨海默病生物信息库的新发现”，被称为AI4AD。这项工作为期五年，由美国国立卫生研究院(NIH)资助，将开发前沿人工智能(AI)方法，并将其用于分析所收集的AD患者的基因、成像和认知数据的巨型数据库。研究团队包括来自11个研究中心的40名合作研究员，利用AI和机器学习提升AD的诊断精确性，改善预后并开发新疗法。
INI副主任兼新拨款项目负责人Paul Thompson博士说道：“我们的计算机科学、遗传学、神经科学和成像科学专家团队将创建算法，分析的数据规模将达到空前水平。整体而言，这将有助于发现影响阿尔茨海默病生物进程的基因组新特征。”
---预测诊断---
该项目的首个目标是识别预测AD诊断的基因和生物学标记，并区分阿尔茨海默病的几种亚型。为此，研究团队将对各种数据类型应用复杂的AI和机器学习方法，包括数万个大脑图像和全基因组序列。然后，研究人员将这些发现与AD（包括尚未出现痴呆症状的患者）的临床进展进行关联。研究人员将利用脑部扫描大型数据库研究AI方法，以识别在个体患者出现疾病时有助于检测出疾病的模式。
INI成像遗传学中心主任Thompson说道：“随着年龄的增长，我们每个人的大脑都会发生一系列独特的变化，包括血管的变化，异常蛋白质沉积的累积和脑细胞的消亡等。而在我们出现阿尔茨海默病迹象之前，这种变化已经持续了数十年。我们的新AI方法将帮助我们确定每位患者身上发生了什么变化，以及他们DNA中这些进程的驱动因子，这样我们可以针对这些变化研发新药。”
该团队甚至计划组建一个专门的“药物再利用核心”，以确定如何改变现有药物的用途，针对性治疗新发现的与该病相关的基因组片段、分子或神经生物进程。
Thompson表示：“我们预计，将AI与全基因组数据和先进的脑部扫描相结合，其在阿尔茨海默病进展的预测方面的表现将优于目前的方法。”
---先进AI方法---
AI4AD工作是NIH美国国立衰老研究所发起的“阿尔茨海默病基因和表型数据的认知系统分析”和“协调阿尔茨海默病和相关痴呆症(AD/ADRD)的遗传、流行病学和临床数据，以增强治疗靶点的发现”项目的一部分。这些项目旨在创建并开发先进的AI方法，并将其应用于广泛且协调的基因组、成像和认知的丰富数据。总的来说，AI4AD的目标在于利用机器学习的前景，提升诊断、预测的精准性，以及协助研发针对性的、新颖的治疗方法。
Thompson将带领他的USC团队与宾夕法尼亚大学、匹兹堡大学和印第安纳大学医学院的四位联合首席研究员展开合作。
这些研究人员还将在大型的AD神经成像和遗传学会议上举办定期培训活动，让该领域的研究人员们了解新开发的AI工具。
本文中所述研究将由美国国立卫生研究院国立衰老研究所提供支持，资金编号为U01AG068057。该项目的参与者还包括INI的大学教师Nea Jahansha和Lauren Salminen，以及联合经理Sophia Thomopoulos。
*原文来自USC官网。
头图：以USC团队为主导的研究人员们将使用人工智能研究数万个大脑图像和全基因组序列 — Zara Greenbaum
插图：Jim Stanis和USC Mark和Mary Stevens神经影像学与信息研究所
