Forscher haben ein neues Framework für künstliche Intelligenz namens FedDOSE entwickelt, das die Diagnose von Autismus und ADHS verbessert, indem es Gehirnscans von mehreren Krankenhäusern analysiert, ohne sensible Patientendaten zu teilen.
Die Forschung
Ein Team unter der Leitung von Deepank Girish und Yi Hao Chan an der Nanyang Technological University entwickelte FedDOSE, einen Ansatz des föderierten Lernens, der zwei große Herausforderungen in der Gehirnbildgebung adressiert: Datenschutz und Datenvariabilität. Föderiertes Lernen ermöglicht es mehreren Institutionen, gemeinsam ein Modell zu trainieren, ohne Rohdaten zu verschieben, aber Standardmethoden haben Probleme mit Unterschieden in der Bildgebungsausrüstung und den Patientengruppen an verschiedenen Standorten.
FedDOSE begegnet gezielt diesen "Standorteffekten" und erfasst gleichzeitig die dynamische Gehirnkonnektivität – wie verschiedene Gehirnregionen im Laufe der Zeit interagieren – statt nur statische Momentaufnahmen. Das Framework verwendet einen Modularitätsgeführten Tucker-Zerlegungsblock, um hochdimensionale Gehirnkonnektivitätsdaten effizient zu verarbeiten und modulare räumlich-zeitliche Muster zu identifizieren. Jeder Standort generiert klassenspezifische Prototypen, die dann über Standorte hinweg mittels optimalem Transport und Procrustes-Analyse abgeglichen werden.
Bei Tests an drei öffentlichen Datensätzen – ABIDE-I, ABIDE-II und ADHD-200 – übertraf FedDOSE bestehende Methoden zur Erkennung von Autismus-Spektrum-Störung (ASD) und Aufmerksamkeitsdefizit-Hyperaktivitätsstörung (ADHS). Diese Datensätze umfassen Tausende von Gehirnscans, die von vielen Forschungszentren gesammelt wurden, was sie ideal für die Bewertung der Multi-Site-Leistung macht.
Warum es wichtig ist
Für Einzelpersonen und Familien, die von ASD oder ADHS betroffen sind, könnte diese Forschung zu genaueren und früheren Diagnosen führen. Indem es KI-Modellen ermöglicht wird, aus größeren, vielfältigeren Datensätzen zu lernen – ohne die Privatsphäre zu opfern – hilft FedDOSE, einen großen Engpass in der medizinischen Bildgebung zu überwinden. Der dynamische Konnektivitätsansatz erfasst auch nuanciertere Gehirnaktivität und könnte Biomarker aufdecken, die statische Methoden übersehen. Während sich die aktuelle Studie auf die Diagnose konzentriert, könnte dasselbe Framework auf andere Aufgaben der Gehirnbildgebung übertragen werden, wie die Vorhersage des Behandlungserfolgs oder die Verfolgung des Krankheitsverlaufs.
Was Sie tun können
Wenn Sie neugierig auf Ihre eigene kognitive Gesundheit sind, bleiben Sie über Fortschritte in der Gehirnbildgebung und KI informiert. Für eine schnelle Einschätzung Ihrer kognitiven Fähigkeiten ziehen Sie einen validierten Test in Betracht. Regelmäßige geistige Anregung, körperliche Bewegung und guter Schlaf bleiben die Säulen der Gehirngesundheit, unabhängig von technologischen Entwicklungen.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntrainingsstufen.
