英國劍橋大學的科學家開發(fā)出了一種人工智能工具，能夠在超過 80% 的情況下準確預測早期癡呆癥患者病情發(fā)展為阿爾茨海默病的可能性。研究團隊表示，這一新方法可以減少侵入性、昂貴的診斷測試的需求，同時在疾病早期階段改善治療效果，增加干預措施（如生活方式改變或新藥）發(fā)揮作用的機會。
據(jù)IT之家了解，全球有超過 5500 萬人患癡呆癥，其中 60-80% 的類型就是阿爾茨海默病，每年造成 8200 億美元的經(jīng)濟損失。預計未來 50 年，癡呆病例數(shù)將增加近兩倍。
早期檢測對于阿爾茨海默病至關重要，因為此時治療效果最佳。然而，如果沒有侵入性或昂貴的檢查（如正電子發(fā)射斷層掃描（PET）或腰椎穿刺），早期癡呆癥的診斷和預后可能不準確，而這些檢查并非所有記憶障礙診所都能提供。因此，多達三分之一的患者可能被誤診，其他患者則可能在治療有效期過后才被診斷出來。
劍橋大學心理學系領導的一個團隊開發(fā)了一種機器學習模型，能夠預測患有輕度記憶和思維問題的個體是否以及以多快的速度發(fā)展為阿爾茨海默病。該團隊在發(fā)表在《電子臨床醫(yī)學》雜志上的研究中表明，該模型比目前的臨床診斷工具更準確。
基于美國研究小組收集的 400 名大腦灰質萎縮患者的認知測試和核磁共振掃描數(shù)據(jù)，研究團隊利用機器學習算法建立了一個 AI 預測模型，并使用英國、新加坡等多個診所的真實世界數(shù)據(jù)測試該模型。
測試結果顯示，該模型識別三年內會患上阿爾茨海默病的人的準確率達 82%，識別三年內不會患上阿爾茨海默病的人的準確率達 81%。
該算法在預測阿爾茨海默病進展方面的準確率是當前標準護理（即標準臨床標志物，如灰質萎縮或認知評分）或臨床診斷的三倍左右，這表明該模型可以顯著減少誤診。
未來，研究團隊希望將該模型擴展到預測其他類型的癡呆癥，如血管性癡呆和額顳葉癡呆，并使用不同類型數(shù)據(jù)，如血液檢測中的標記物等。
