پژوهش حاضر به تشخیص زودهنگام بیماری آلزایمر با استفاده از ترکیب داده های تصویربرداری پزشکی (MRI) و تصاویر میکروسکوپی بافت مغزی و داده های آزمایش خون حاوی نشانگرهای زیستی مرتبط اختصاص دارد. با بهره گیری از الگوریتم های یادگیری عمیق مانند شبکه های عصبی کانولوشنی (CNN) و الگوریتم های ترکیبی مانند XGBoost، ویژگی های مهم و مرتبط با ساختار نورون ها استخراج و تحلیل شدند. مدل توسعه یافته با دقت ۹۲٪، حساسیت ۸۹٪، ویژگی ۹۴٪ و مساحت زیر منحنی ROC برابر با ۰.۹۵ توانست عملکرد قابل قبولی در تمایز بیماران مبتلا از افراد سالم ارائه دهد. همچنین توسعه نرمافزار نیمه خودکار با رابط کاربری مناسب، کاربرد عملی این روش را در محیط های بالینی فراهم می کند. نتایج این پژوهش نشان دهنده پتانسیل بالای هوش مصنوعی در بهبود تشخیص و مدیریت بیماری آلزایمر است که می تواند به پیشگیری و درمان مؤثرتر کمک کند.

آلزایمر تصویر برداری زود هنگام هوش مصنوعی