深度學習模型成高效診斷工具　有助透過視網膜檢測帕金森氏症

記者／竹二

因為缺乏對老年人的高品質早期介入療育措施，自2000年以來，與帕金森氏症相關的死亡人數已經增加了一倍以上，進一步研究了解帕金森氏症病理過程、開發早期診斷系統已成為當務之急。

深度學習模型可幫助診斷帕金森氏症

雖然說「視網膜」在做為評估與許多神經退化性疾病相關的神經病理過程中，提供了可行的途徑，近來來也已經取得一些進展，但仍需要進一步研究視網膜的結構性退化，藉此提高視網膜診斷的能力，這時候深度學習（DL）模型和傳統機器學習（ML）演算法就成為高效的診斷工具。

更多新聞：智慧牙科：AI應用帶來的全新醫療體驗

近日發表的一項科學研究論文報告，深入探討了深度學習透過視網膜眼底影像來預測帕金森氏症（PD）的診斷篩檢潛力。根據該篇論文的說明，想要深入了解帕金森氏症的視網膜生物標記物，必須要對視網膜血管的結構性退化有全面的了解，但是目前臨床上多半難以實現，只能借助AI技術，幫助闡明視網膜在局部和全局空間層面上的複雜關係。

AI 演算可判斷檢測帕金森氏症發病率

這項研究的主要的目的是系統性記錄帕金森氏症進展中各階段的分類表現，像是初發性和普遍性的帕金森氏症，在忽略任何特徵選擇方法或是外部定量指標下，研究人員讓 AI 演算法的診斷能力最大化，並透過深度學習和傳統機器學習方法確立穩健度。

根據研究結果顯示，深度神經網路優於傳統機器學習模型，在視網膜眼底影像帕金森氏症檢測中，展現了卓越的性能，模型成功預測了正式診斷前帕金森氏症的發病率，在0到5.07年之間的靈敏度來到80%，顯示了早期疾病介入的潛力，自動化的深度神經網路可以輔助眼科醫生識別疾病生物標記，並進行高通量評估。

瀏覽 506 次