زمینه و هدف: روش‌های تشخیص زودهنگام بیماری آلزایمر، به دلیل هزینه‌های زیاد مراقبتی و درمانی، غیرقطعی بودن روش‌های موجود درمانی و همچنین آینده نگران کننده بیمار، امری ضروری به‌نظر می‌رسد. این مطالعه به منظور تشخیص بیماری آلزایمر از روی تصاویر MRI با استفاده از هوش مصنوعی انجام شد.

روش بررسی: در این مطالعه، یک سیستم کامپیوتری تشخیص زودهنگام بیماری آلزایمر به کمک الگوریتم‌های یادگیری ماشین، در چهارچوب فرآیند تشخیص به کمک کامپیوتر ارایه شده است. میدان تصادفی شرطی و شبکه عصبی عمیق Inception برای تشخیص این بیماری بر روی تصاویر MRI مغزی وفق داده شده‌اند. از آنجا که بافت هیپوکامپوس، جزء اولین بافت‌هایی است که تحت تاثیر بیماری آلزایمر قرار می‌گیرد؛ لذا برای تشخیص زودهنگام این بیماری، ابتدا به تعیین محدوده هیپوکامپوس بین سایر بافت‌های مغزی اقدام و سپس با توجه به میزان تحت تاثیر قرار گرفتن این بافت، به تشخیص بیماری مبادرت گردید. میدان تصادفی شرطی توانست با دقت زیاد، قطعه‌های هیپوکامپوس با اشکال مختلف را از هر سه مقطع مغزی استخراج کند. این قطعات، مبنایی برای استخراج ویژگی توسط شبکه عمیق قرار می‌گیرند. این روش بر روی داده‌های استاندارد ADNI آزمایش و کارایی آن نشان داده شد. شبکه Inception استفاده شده، شبکه‌ای است که از پیش، بر روی مجموعه داده بسیار بزرگ ImageNet آموزش داده شده است. یکی از مراحل مهم، انتقال دانش به مسأله در دست بررسی است. برای تسهیل این امر، از افزون‌سازی داده‌ها که مطابق با شکل و ساختار هیپوکامپوس طراحی شده، استفاده گردید.

یافته‌ها: روش اجرا شده در این مطالعه، در حالت دوکلاسه آلزایمر در مقابل کنترل سلامت به دقت 98.51% و برای حالت دوکلاسه اختلال شناختی خفیف در مقابل کنترل سلامت به دقت 93.41%  دست یافت که به ترتیب 2.56% و 8.41% افزایش دقت در مقایسه با روش‌های رقیب معرفی شده در سایر مقالات است.

نتیجه‌گیری: نتایج این مطالعه نشان داد که استفاده از هوش مصنوعی با توجه به تصاویر MRI در تشخیص بیماری آلزایمر دقت بالایی دارد.