Maschinelles Lernen in Kombination mit Hirnbildgebung für bessere Diagnostik von mentalen Krankheiten
2020
Hamamutsu University School of Medicine, Hamamatsu City, Japan(1)
The University of Tokyo, Tokyo, Japan(2)
The University of Tokyo, Tokyo, Japan(2)
Ein Computeralgorithmus wurde mittels MRT-Gehirnscans (Magnetresonanztomographie) von 206 Autismus- Schizophrenie- und Psychose-Patienten sowie gesunden Menschen trainiert. Insgesamt wurden sechs verschiedene Algorithmen verwendet, um zwischen den verschiedenen MRT-Bildern der Patientengruppen zu unterscheiden. Dadurch war es möglich, verschiedene psychiatrische Diagnosen mit Variationen in Dicke, Oberfläche oder dem Volumen von Bereichen des Gehirns in MRT-Bildern zu assoziieren. Nach einer Trainingsperiode wurde der Algorithmus mit Gehirnscans von 43 weiteren Patienten getestet. Die Diagnose der Maschine entsprach den Einschätzungen der Psychiater mit hoher Zuverlässigkeit und einer Genauigkeit von bis zu 85 Prozent.
Machine-learning classification using neuroimaging data in schizophrenia, autism, ultra-high risk and first-episode psychosis
Hidenori Yamasue(1), Shinsuke Koike(2)
Eingestellt am: 22.09.2020
[1] https://www.nature.com/articles/s41398-020-00965-5[2] https://www.technologynetworks.com/neuroscience/news/can-machine-learning-and-brain-imaging-create-better-diagnostics-for-mental-illness-338710
