研究人员开发了一种人工智能平台，用于检测人类大脑组织样本中的一系列神经退行性疾病，包括阿尔茨海默病和慢性创伤性脑病，根据西奈山伊坎医学院进行的一项研究，发表在自然医学杂志实验室调查。他们的发现将帮助科学家开发出有针对性的生物标志物和治疗剂，从而更准确地诊断复杂的脑部疾病，从而改善患者的治疗效果。

神经原纤维缠结中大脑中异常tau蛋白的累积是阿尔茨海默病的一个特征，但它也累积在其他神经退行性疾病中，如慢性创伤性脑病和其他与年龄相关的疾病。准确诊断神经退行性疾病具有挑战性，需要训练有素的专家。

西奈山计算和系统病理学中心的研究人员开发并使用精确信息平台，将强大的机器学习方法应用于使用来自患有神经退行性疾病的患者的组织样本制备的数字化显微镜载玻片。应用深度学习，这些图像被用于创建卷积神经网络，能够直接从数字化图像中高精度地识别神经原纤维缠结。

“利用人工智能有很大的潜力来提高我们检测和量化神经退行性疾病的能力，代表了现有的劳动密集型和重复性差的方法的重大进步，”首席研究员John Crary博士，医学博士，病理学和神经科学教授说。西奈山伊坎医学院。“最终，这个项目将导致神经退行性疾病的更有效和准确的诊断。”

这是第一个用于评估神经病理学中使用大规模图像数据的深度学习算法的框架。精确信息平台允许数据管理，视觉探索，对象概述，多用户评审以及深度学习算法结果的评估。

西奈山计算与系统病理学中心的研究人员利用先进的计算机科学和数学技术，结合尖端的显微镜技术，计算机视觉和人工智能，更准确地对多种疾病进行分类。

“西奈山是该国最大的学术病理学部门，每年处理超过8000万次测试，为研究人员提供了一系列可用于改进测试和诊断的数据，最终导致更好的诊断和患者结果“作者Carlos Cordon-Cardo，医学博士，博士，西奈山卫生系统病理学系主任，伊坎医学院病理学，遗传学和基因组学教授以及肿瘤科学教授说。