26 статей
В статье представлен систематический обзор применения глубокого обучения для диагностики болезни Альцгеймера с использованием МРТ и мультимодальных данных. Авторы анализируют архитектуры нейросетей, эффективность классификации стадий заболевания и подчеркивают важность интеграции различных типов данных для повышения точности диагностики.
Компания Korsana Biosciences, являющаяся проектом Paragon Therapeutics, планирует выйти на публичный рынок через процедуру обратного слияния. Основной целью деятельности компании является разработка инновационных методов борьбы с болезнью Альцгеймера. Данный шаг позволит Korsana получить доступ к дополнительному капиталу, необходимому для ускорения клинических исследований и разработки терапевтических решений. Процесс происходит на фоне растущего интереса к сектору нейродегенеративных заболеваний, в частности, благодаря успехам компании Roche в аналогичной области. Хотя статья фокусируется на финансовой структуре и бизнес-стратегии (слиянии), конечная цель проекта напрямую связана с применением передовых биотехнологий в медицине. Это событие может повлиять на темпы разработки новых методов лечения деменции и Альцгеймера.
В статье представлена гибридная нейросетевая архитектура (HDNN) для классификации нейродегенеративных заболеваний на основе данных МРТ. Использование методов ConvNeXt, MaxViT и механизмов Cross-Fusion Attention позволило достичь точности 97,4%, а применение Grad-CAM++ обеспечивает интерпретируемость результатов для клинического применения.
В исследовании представлен инновационный биоинформатический фреймворк для поиска новых лекарственных средств против болезни Альцгеймера, нацеленных на фермент BACE1. Авторы объединили мета-ансамблевый QSAR (пять древовидных классификаторов с отпечатками ECFP4), структурный докинг и веса взаимодействий остатков, направляемые белковой языковой моделью ESM-1b. В ходе скрининга 16 196 структурно разнообразных соединений было выявлено 153 активных вещества с высокой точностью (ROC-AUC 0.920), которые после фильтрации ADMET-профилирования были сокращены до 111 лекарственно-подобных кандидатов и 7 приоритетных соединений. Молекулярно-динамическое моделирование длительностью 200 нс подтвердило стабильность связывания наиболее перспективного соединения (Mol-2) в каталитическом кармане BACE1, обеспечив взаимодействие с каталитической диадой (ASP32 — 98%, ASP228 — 99%). Разработанный метод продемонстрировал исключительную устойчивость к параметрическим неопределенностям (Spearman rho = 0.998) и может служить переносимой платформой для поиска терапии сложных нейродегенеративных заболеваний.
Биотехнологическая компания Cognito Therapeutics присоединилась к инициативе по замене термина «деменция» на более точную и менее стигматизирующую терминологию. Это решение направлено на улучшение взаимодействия с врачами и пациентов, а также на поддержку ранней диагностики нейродегенеративных заболеваний.
Исследователи разработали систему искусственного интеллекта для анализа изменений на снимках мозга, способную выявлять ранние признаки болезни Альцгеймера с точностью почти 93 процента. Методология исследования основана на применении алгоритмов машинного обучения для выявления тонких структурных изменений в мозге, которые предшествуют клиническим проявлениям заболевания. Ключевой результат — достижение 93-процентной точности прогнозирования, что значительно превышает возможности традиционных методов диагностики. Раннее выявление болезни Альцгеймера критически важно для своевременного начала лечения и замедления прогрессирования заболевания. Технология может быть интегрирована в клиническую практику для скрининга пациентов из групп риска, что позволит выявлять болезнь на доклинической стадии. Исследование демонстрирует потенциал искусственного интеллекта в области нейровизуализации и неврологии, открывая новые возможности для персонализированной медицины.
