Гиперспектральное машинное зрение для ранней диагностики болезни Альцгеймера

Ранняя диагностика болезни Альцгеймера приобретает все большее значение. Современные методы, такие как гиперспектральная визуализация и искусственный интеллект, могут сыграть решающую роль в этом развитии.

Определение болезни Альцгеймера (БА) смещается от синдромного к биологическому определению [1]. Это обусловлено признанием синдромного перекрытия с другими когнитивными расстройствами и наличием вариабельности в проявлении заболевания, с длительной доклинической фазой, за которой следует фаза с минимальными симптомами, что делает чисто клиническую/синдромную диагностику сложной [2, 3].

Исследования, сравнивающие диагностику БА с помощью клинических/синдромных критериев с диагностикой на основе аутопсии, показывают высокий уровень ошибочной диагностики, особенно в отношении показателя специфичности (44–71%) [4], и уровень ошибочной диагностики может быть еще выше в первичном звене здравоохранения, где лечится большинство пациентов [5].

Этот сдвиг также обусловлен появлением методов лечения, направленных на основную патологию заболевания, что делает этиологическую диагностику жизненно важной для успешного лечения [6]. В этом стремлении основное внимание уделяется биомаркерам для оценки патологического состояния in vivo.

Характерными белками болезни Альцгеймера являются бета-амилоид (Aβ), который образует нерастворимые фибриллярные агрегаты Aβ внеклеточных бляшек примерно за 20 лет до появления симптомов, и тау-белок, который подвергается гиперфосфорилированию и образует внутриклеточные нейрофибриллярные клубки, вызывающие нейродегенерацию и снижение когнитивных функций [7].

Накопление Aβ можно надежно оценить с помощью ПЭТ с антителами или анализа спинномозговой жидкости (СМЖ) [8], но стоимость, доступность и инвазивность ограничивают масштабируемость этих методов. Усилия по улучшению диагностики и лечения деменции сосредоточены на повышении точности клинической диагностики с помощью современных методов нейровизуализации и биомаркеров крови [2, 3, 9].

Задержка или пропуск диагностики деменции в первичном звене здравоохранения остаются серьезной проблемой, обусловленной такими факторами, как коммуникация между пациентом и врачом и ограничения системных ресурсов [4]. Разработка новых антител, нацеленных на Aβ, представляет собой прорыв в лечении болезни Альцгеймера, вселяя надежду на модификацию заболевания и улучшение клинических результатов [5].

Продольные исследования, отслеживающие отложение Aβ, церебральную атрофию и снижение когнитивных функций, предоставляют ценную информацию о прогрессировании болезни Альцгеймера от доклинической фазы до полностью выраженного клинического синдрома, подчеркивая важность раннего вмешательства и непрерывного мониторинга [6].

Новое направление исследований сосредоточено на анализе сетчатки с использованием гиперспектральной визуализации (ГСВ), которая демонстрирует многообещающий потенциал для диагностики болезни Альцгеймера. Сетчатка обладает многими теми же клеточными, структурными и молекулярными характеристиками, что и мозг, включая наличие нейронов, глиальных клеток и гематотестикулярного барьера [10, 11].

Кроме того, исследования показали корреляцию между уровнями Aβ в сетчатке и в мозге с другими нейропатологическими оценками [12, 13]. ГСВ — это технология, которая захватывает информацию в широком диапазоне электромагнитного спектра и позволяет идентифицировать элементы на основе их уникальных спектральных характеристик.

ГСВ и оптическая когерентная томография являются многообещающими неинвазивными методами обнаружения изменений сетчатки, предоставляя спектральную информацию, которая помогает различать пациентов с болезнью Альцгеймера и контрольную группу [11, 14, 15]. Основная гипотеза заключается в том, что накопление белков вызывает частотно-зависимые сдвиги в спектре отраженного света, которые могут быть зафиксированы гиперспектральными изображениями.

Типичными ограничениями гиперспектральных ретинальных камер являются низкое пространственное и спектральное разрешение камеры (измерение света в ограниченном количестве волновых диапазонов и пикселей) и медленная скорость получения изображений, что делает изображения подверженными артефактам движения, например, движениям глаз [14]. Новые разработки в этой технологии используют более широкий спектральный диапазон и более высокое разрешение, устраняя вышеупомянутые ограничения и делая эту технологию подходящей для визуализации сетчатки и применения в офтальмологии и неврологии [16].

Обнаружение болезни Альцгеймера с помощью гиперспектральных изображений сетчатки в сочетании с методами машинного обучения показало многообещающие результаты в экспериментальных исследованиях на людях [11, 13, 15]. Однако эффективность метода еще не была оценена в клинических условиях, а именно в условиях клиники памяти, где все пациенты имеют когнитивные нарушения.

Обнаруживая спектральные сдвиги, вызванные накоплением белков сетчатки, таких как бета-амилоид, и в сочетании с передовым анализом данных и машинным обучением, гиперспектральные изображения сетчатки могут предложить неинвазивный, более быстрый и экономически эффективный метод обнаружения болезни Альцгеймера по сравнению с традиционными методами.

С одной стороны, современные БПЛА могут безопасно летать над различными труднодоступными районами, собирая спектральные данные высокого разрешения, не подвергая риску персонал на земле. Мобильность и готовность дронов в сочетании со спектральной точностью позволяют:

• Комплексное покрытие больших территорий в кратчайшие сроки.
• Бесконтактный анализ на безопасном расстоянии
• Интеграция в системы ситуационной осведомленности и принятия решений в режиме реального времени.

С другой стороны, новые препараты от болезни Альцгеймера требуют точного и регулярного мониторинга. Гиперспектральные технологии могут предоставить ценную информацию по этому вопросу, особенно в отношении метаболической активности и эффективности терапии.

Традиционные методы диагностики, такие как ПЭТ-сканирование или анализ спинномозговой жидкости, являются дорогостоящими, инвазивными или труднодоступными. Люмбальная пункция не только технически сложна, но и болезненна — одна из причин, по которой многие люди избегают её.

Именно здесь вступает в игру сочетание гиперспектральной гиперспектральные технологии и анализ на основе искусственного интеллекта.

Сетчатка глаза: окно в мозг

Сама по себе сетчатка не является биомаркером; скорее, она содержит множество биомаркеров. Будучи частью центральной нервной системы, она напрямую связана с головным мозгом. Поэтому сканирование сетчатки предоставляет уникальную возможность наблюдать за изменениями, связанными с головным мозгом, неинвазивным способом.

Исследования показывают, что изменения сетчатки часто происходят задолго до появления первых симптомов болезни Альцгеймера, в том числе:

• истончение отдельных слоев сетчатки
• изменения метаболической активности
• специфические спектральные сигнатуры, связанные с бета-амилоидом

Партнерское исследование, проведенное куже продемонстрировало  более чем 90% специфичность  в обнаружении этих изменений, что является убедительным показателем клинического потенциала технологии.

Таким образом, сетчатка глаза особенно хорошо подходит для скрининга болезни Альцгеймера: она легкодоступна, неинвазивна и не связана с радиационным облучением.

Гиперспектральная визуализация: в чем уникальность технологии?

Для измерений, воспринимаемых глазом, гиперспектральная технология имеет решающее значение — каждая миллисекунда на счету. Ключевые преимущества включают:

Снимок вместо сканирования

В то время как традиционные гиперспектральные камеры сканируют пиксель за пикселем, гиперспектральные камеры, предназначенные для моментальной съемки, захватывают всю сцену в один момент. Это исключает артефакты движения — существенное преимущество, поскольку даже минимальные движения глаз могут искажать результаты.

120–130 спектральных каналов на один захват

Каждый пиксель содержит полный спектр. Это позволяет создать полный трехмерный куб данных, полученный всего за миллисекунды.

Для пациентов это означает отсутствие необходимости длительного сканирования, никакой утомительной фиксации взгляда — всего несколько быстрых вспышек, и измерение завершено.

Задача: определение правильного спектра

Модели искусственного интеллекта оптимизировались в течение многих лет. Их цель: обнаружение специфических спектральных паттернов, указывающих на болезнь Альцгеймера.

Для достижения этой цели эксперты в области оптики и команды разработчиков ИИ тесно сотрудничают.

Помимо видимого спектра, эта технология позволяет получать такую ​​информацию, как уровень оксигенации.

Как ИИ определяет риск развития болезни Альцгеймера по спектральным данным

Гиперспектральные наборы данных анализируются с использованием  сверточных нейронных сетей (CNN) . Используются следующие алгоритмы:

• выявление закономерностей в многомерных данных
• Сравните спектры с клинически подтвержденными эталонными значениями.
• сгенерировать показатель, указывающий на наличие биомаркеров болезни Альцгеймера

Благодаря огромной плотности информации становятся видимыми молекулярные изменения, которые традиционные методы визуализации не могут обнаружить.

Результаты исследования: высокая точность выявления болезни Альцгеймера и умеренных когнитивных нарушений.

Результаты исследований с использованием гиперспектральных камер и алгоритмов ИИ обнадеживают:

Исследование 1: Группа пациентов с болезнью Альцгеймера против контрольной группы (108 участников)

• 86 % чувствительность
• 80 % специфичность
• анализ множественных макулярных областей
• Оценка на основе сверточной нейронной сети

Ранее проведенное исследование продемонстрировало  специфичность более 90% , что легло в основу продолжающегося процесса одобрения FDA.

Основной результат  – это полностью интегрированный,  эффективный и готовый к использованию  офтальмоскоп, который можно применять в качестве нового стандартного инструмента скрининга.

Аппарат может быть полезен в следующих приложениях:

• офтальмологические практики
• общая медицинская практика
• клиники

В результате ежегодные обследования на болезнь Альцгеймера могут стать такими же рутинными, как измерение артериального давления.

Основные преимущества метода:

Сочетание технологии моментальных гиперспектральных снимков и искусственного интеллекта открывает совершенно новый путь для ранней диагностики болезни Альцгеймера: точный, неинвазивный и легко интегрируемый в повседневную клиническую практику.

Современные передовые исследования вскоре могут стать рутинной частью каждого офтальмологического осмотра, коренным образом изменив диагностику одного из самых распространенных нейродегенеративных заболеваний.

Литература

1. Jack CR, Andrews JS, Beach TG, Buracchio T, Dunn B, Graf A, et al. Revised criteria for diagnosis and staging of Alzheimer’s disease: Alzheimer’s Association workgroup. Alzheimers Dement. 2024;20:5143–69. 10.1002/alz.13859. [DOI] [PMC free article] [PubMed] [Google Scholar]
2. Dubois B, Villain N, Frisoni GB, Rabinovici GD, Sabbagh M, Cappa S, et al. Clinical diagnosis of Alzheimer’s disease: recommendations of the international working group. Lancet Neurol. 2021;20:484–96. 10.1016/S1474-4422(21)00066-1. [DOI] [PMC free article] [PubMed] [Google Scholar]
3. Graff-Radford J, Yong KXX, Apostolova LG, Bouwman FH, Carrillo M, Dickerson BC, et al. New insights into atypical Alzheimer’s disease in the era of biomarkers. Lancet Neurol. 2021;20:222–34. 10.1016/S1474-4422(20)30440-3. [DOI] [PMC free article] [PubMed] [Google Scholar]
4. Beach TG, Monsell SE, Phillips LE, Kukull W. Accuracy of the clinical diagnosis of Alzheimer disease at National Institute on Aging Alzheimer Disease Centers, 2005–2010. J Neuropathol Exp Neurol. 2012;71:266–73. 10.1097/NEN.0b013e31824b211b. [DOI] [PMC free article] [PubMed] [Google Scholar]
5. Bradford A, Kunik ME, Schulz P, Williams SP, Singh H. Missed and delayed diagnosis of dementia in primary care: prevalence and contributing factors. Alzheimer Dis Assoc Disord. 2009;23:306–14. 10.1097/WAD.0b013e3181a6bebc. [DOI] [PMC free article] [PubMed] [Google Scholar]
6. Perneczky R, Dom G, Chan A, Falkai P, Bassetti C. Anti-amyloid antibody treatments for Alzheimer’s disease. Eur J Neurol. 2024;31:e16049. 10.1111/ene.16049. [DOI] [PMC free article] [PubMed] [Google Scholar]
7. Villemagne VL, Burnham S, Bourgeat P, Brown B, Ellis KA, Salvado O, et al. Amyloid β deposition, neurodegeneration, and cognitive decline in sporadic Alzheimer’s disease: a prospective cohort study. Lancet Neurol. 2013;12:357–67. 10.1016/S1474-4422(13)70044-9. [DOI] [PubMed] [Google Scholar]
8. Hansson O. Biomarkers for neurodegenerative diseases. Nat Med. 2021;27:954–63. 10.1038/s41591-021-01382-x. [DOI] [PubMed] [Google Scholar]
9. Behrens A. Measurements in Idiopathic Normal Pressure Hydrocephalus: Computerized neuropsychological test battery and intracranial pulse waves. Dissertation. Umeå: Umeå University; 2014. [DOI] [PMC free article] [PubMed]
10. Chiquita S, Rodrigues-Neves AC, Baptista FI, Carecho R, Moreira PI, Castelo-Branco M, et al. The retina as a window or mirror of the brain changes detected in Alzheimer’s disease: critical aspects to unravel. Mol Neurobiol. 2019;56:5416–35. 10.1007/s12035-018-1461-6. [DOI] [PubMed] [Google Scholar]
11. Lemmens S, Van Craenendonck T, Van Eijgen J, De Groef L, Bruffaerts R, de Jesus DA, et al. Combination of snapshot hyperspectral retinal imaging and optical coherence tomography to identify Alzheimer’s disease patients. Alzheimers Res Ther. 2020;12:144. 10.1186/s13195-020-00715-1. [DOI] [PMC free article] [PubMed] [Google Scholar]
12. Schultz N, Byman E, Netherlands Brain Bank, Wennström M. Levels of retinal amyloid-β correlate with levels of retinal IAPP and hippocampal amyloid-β in neuropathologically evaluated individuals. J Alzheimers Dis. 2020;73:1201–9. 10.3233/JAD-190868. [DOI] [PMC free article] [PubMed] [Google Scholar]
13. Hadoux X, Hui F, Lim JKH, Masters CL, Pébay A, Chevalier S, et al. Non-invasive in vivo hyperspectral imaging of the retina for potential biomarker use in Alzheimer’s disease. Nat Commun. 2019;10:4227. 10.1038/s41467-019-12242-1. [DOI] [PMC free article] [PubMed] [Google Scholar]
14. Lemmens S, Van Eijgen J, Van Keer K, Jacob J, Moylett S, De Groef L, et al. Hyperspectral imaging and the retina: worth the wave? Transl Vis Sci Technol. 2020;9:9. 10.1167/tvst.9.9.9. [DOI] [PMC free article] [PubMed] [Google Scholar]
15. Sharafi SM, Sylvestre J-P, Chevrefils C, Soucy J-P, Beaulieu S, Pascoal TA, et al. Vascular retinal biomarkers improves the detection of the likely cerebral amyloid status from hyperspectral retinal images. Alzheimers Dement. 2019;5:610–7. 10.1016/j.trci.2019.09.006. [DOI] [PMC free article] [PubMed] [Google Scholar]
16. Guenot D, Alexander J, Selvander M. A novel concept of compact, snapshot hyperspectral camera for ophthalmology. Optica Open. 2024. 10.1364/ opticaopen .25047800.v1. [Google Scholar]