ВЫЯВЛЕНИЕ НЕЙРОДЕГЕНЕРАТИВНЫХ ЗАБОЛЕВАНИЙ НА ОСНОВЕ МЕДИЦИНСКОЙ ВИЗУАЛИЗАЦИИ

Нейродегенеративные заболевания представляют собой растущий глобальный кризис здравоохранения, затрагивающий сотни миллионов людей и создающий огромную нагрузку на системы здравоохранения во всем мире. Клиническая сложность и фенотипическая гетерогенность таких заболеваний, как болезнь Альцгеймера, болезнь Паркинсона и болезнь Хантингтона, исторически ограничивали точность и своевременность диагностики. Методы медицинской визуализации, в частности магнитно-резонансная томография (МРТ) и позитронно-эмиссионная томография (ПЭТ), предоставляют структурную и метаболическую информацию, отражающую лежащие в основе нейропатологические процессы. За последнее десятилетие искусственный интеллект (ИИ) и методы глубокого обучения существенно изменили область анализа нейровизуализации, позволив автоматизировать извлечение тонких биомаркеров с диагностической точностью, приближающейся или превосходящей точность опытных врачей. В этой статье представлен всесторонний обзор методов на основе ИИ, применяемых для выявления нейродегенеративных заболеваний с помощью медицинской визуализации, охватывающий сверточные нейронные сети (CNN), трансферное обучение и объемные архитектуры глубокого обучения. В статье критически рассматриваются клиническая применимость, критерии оценки производительности моделей, текущие ограничения и перспективные направления, включая объяснимый искусственный интеллект и федеративное обучение.