IBM heeft machine learning-modellen en kunstmatige intelligentie (AI) ingezet in de hoop Alzheimer eerder te kunnen detecteren. Door de ziekte eerder te diagnostiseren, hebben mensen meer tijd om zichzelf en hun familie voor te bereiden. Ook komen patiënten dan in aanmerking voor medische proeven.
Om Alzheimer vroeg te detecteren, moet er een specifieke biologische marker gevonden worden in ruggenmergvocht. De concentratie van de peptide amyloid-beta in dat vocht verandert namelijk al decennia voor de eerste symptomen van de ziekte verschijnen. Mensen die al milde cognitieve beperkingen hebben en een abnormale concentratie van de peptide in hun ruggenmergvocht hebben, zouden 2,5 keer meer kans hebben om de ziekte te ontwikkelen.
Het afnemen van ruggenmergvocht is echter duur en extreem invasief. IBM denkt echter een manier te hebben gevonden de ziekte in een vroeg stadium te ontdekken, zonder dat er invasieve tests nodig zijn. Daarbij wordt gebruikgemaakt van machine learning-modellen, ontwikkeld door het Australische team van IBM Research.
Werking
De modellen werken aan de hand van een set algoritmes, die een set aan proteïnes in het bloed identificeren. Die proteïnes kunnen op hun beurt met behulp van machine learning weer voorspellen hoe hoog de concentratie van amyloid-beta in het ruggenmergvocht is. De modellen zouden uiteindelijk het risico op Alzheimer kunnen helpen voorspellen met een accuraatheid van maximaal 77 procent.
Naar eigen zeggen moeten de nieuwe testen het gat tussen een vroege detectie van de ziekte en klinische proeven kunnen dichten. De test van IBM zit nog in een vroeg stadium en is nog lang niet klaar voor gebruik in het werkveld voor cognitieve ziekten. Het team stelt echter dat de nieuwe testen uiteindelijk gebruikt kunnen worden om andere biologische markers te detecteren. Dit zijn niet alleen markers van Alzheimer, maar ook van andere ziekten.