杜克大学健康研究人员开发的机器学习模型可以利用眼睛的视网膜图像区分正常认知和轻度认知障碍。
该模型分析视网膜图像和相关数据，并识别特定特征来识别患有轻度认知障碍的个体。该模型发表在《眼科科学》杂志上，展示了一种非侵入性且廉价的方法的潜力，可以识别可能发展为阿尔茨海默病的认知障碍的早期迹象。
“这是一项特别令人兴奋的工作，因为我们之前无法在之前的模型中区分轻度认知障碍和正常认知，”资深作者、杜克大学眼科和神经病学系教授、外科副教授 Sharon Fekrat 博士说。 。“这项工作使我们在认知障碍发展为阿尔茨海默氏痴呆症之前更早地发现它又近了一步。”
Fekrat 和同事之前开发了一种模型，利用视网膜扫描和其他数据成功识别出患有已知阿尔茨海默病的患者。这些扫描基于光学相干断层扫描(OCT) 和 OCT 血管造影 (OCTA)，检测到阿尔茨海默病患者神经感觉视网膜及其微血管的结构变化。
目前的研究扩展了这项工作，利用机器学习技术来检测轻度认知障碍，这通常是阿尔茨海默病的先兆。新模型可识别 OCT 和 OCTA 图像中表明存在认知障碍的特定特征，以及年龄、性别、视力、受教育年限等患者数据以及图像本身的定量数据。
研究人员报告说，该模型分析了视网膜图片和图像以及定量数据，以区分认知正常的人和被诊断为轻度认知障碍的人，其敏感性为 79%，特异性为 83%。
“这是第一项使用视网膜 OCT 和 OCTA 图像来区分患有轻度认知障碍的人和具有正常认知的人的研究，”共同第一作者、眼科助理教授、医学博士 C. Ellis Wisely 说。
怀斯利说：“拥有一种非侵入性且更便宜的方法来可靠地识别这些患者变得越来越重要，特别是随着阿尔茨海默病的新疗法可能出现。”
“视网膜是大脑的窗口，机器学习算法利用非侵入性且具有成本效益的视网膜成像来评估神经系统健康状况，可以成为大规模筛查患者的有力工具，”联合主要作者亚历山大·理查森(Alexander Richardson)说。杜克大学神经退行性疾病眼部多模态成像实验室的学生。