机构名称：
¥ 1.0
项目详情：帕金森病 (PD) 是第二大常见神经系统疾病，是一种异质性疾病，其临床表现和发展轨迹各不相同。平均而言，患有 PD 的家庭每年因与该疾病相关的额外费用而损失超过 20,123 英镑，给个人家庭和 NHS 带来沉重负担。目前，英国约有 145,000 名 PD 患者，其医疗费用每年超过 7.28 亿英镑，总经济影响达到 36 亿英镑。如果目前的预测正确，到 2040 年，患有 PD 的人数将翻一番，这一数字将上升到 72 亿英镑以上。诊断 PD 一直具有挑战性，因为临床医生传统上依靠临床观察症状和患者病史，这可能很困难，尤其是在疾病的早期阶段，症状可能较轻、不一致或类似于其他疾病，如特发性震颤。这导致许多患者患有所谓的临床不确定的帕金森综合征 (CUPS)。最近一项社区全科医学研究表明，只有 53% 服用抗帕金森病药物的患者可以确诊为 CUPS。此类诊断错误可能导致不适当的管理策略，包括不必要的检查和不正确的治疗，进一步加剧患者及其家属的经济和情感负担。为了在临床症状不明确时协助诊断，建议使用多巴胺转运体 (DaT) 单光子发射计算机断层扫描 (SPECT) 成像来精确诊断和临床管理 PD。作为 DaT SPECT 成像的先驱和领导者，GE Healthcare（作为我们该项目的行业合作伙伴）在其 DaTscan（Ioflupane I 123 注射液）产品方面拥有超过 11 年的经验，该产品是一种用于脑 SPECT 成像的放射性药物，用于可视化纹状体多巴胺转运体，并有助于评估患有 CUPS 的患者。它已获得美国 FDA 的批准，到目前为止，全球已使用了 140 多万剂 DaTscan，平均每 3.5 分钟扫描一名患者。然而，DaT-SPECT 的 PD 诊断通常基于视觉评估，这种评估具有主观性，并且可能受到读者内部和读者之间的差异的影响。人工智能 (AI) 最近显示出良好的前景，因为它有可能在自动 PD 诊断方面取得重大进展。尽管取得了这些进展，但开发用于 PD 诊断的 AI 模型通常很耗时，并且需要专门的 AI 专业知识。此外，当前的 AI 模型通常以“黑匣子”的形式运行，提供没有明确理由的预测，这使得临床医生难以理解和信任 AI 的决策。该项目旨在开发一个可解释的端到端自动机器学习 (AutoML) 框架，以协助解释和分类 CUPS。它有两个目标。O1：开发一个用于对多巴胺转运体 (DAT)-SPECT 图像进行分类的 AutoML 框架，该框架可自动搜索最佳模型架构和超参数。O2：开发可解释的 AI (XAI) 组件，用于解释 O1 (O2.1) 中的 AI 模型和对话系统 (O2.2)，
工程与物理科学研究委员会博士景观奖
主要关键词
相关文件推荐
