人工智能预测哪些人将在两年内患上痴呆症

一项涉及超过15,000人数据的大规模研究发现，一种称为机器学习(ML)的人工智能(AI)可以以92%的准确率预测哪些参加记忆诊所的人将在体内继续患上痴呆症。两年。埃克塞特大学科学家的这项研究还表明，机器学习可以帮助减少可能被误诊为痴呆症的人数。

埃克塞特大学研究员贾尼斯·兰森博士说：“我们知道痴呆症是一种非常令人恐惧的疾病。将机器学习嵌入记忆诊所可以帮助确保诊断更加准确，减少错误诊断可能造成的不必要的痛苦。”Ranson是该团队在JAMANetworkOpen上发表的报告的合著者，该报告的标题是“预测记忆诊所患者痴呆进展的机器学习算法的性能”。

许多在记忆诊所接受评估的患者在第一次就诊时不会患有痴呆症，但区分将在临床相关时间范围内继续发展为痴呆症的患者和那些将保持无痴呆症的患者的能力可能有助于优先考虑患者作者写道，后续调查和干预措施。然而，他们继续说道，“识别患有痴呆症高风险的患者对临床医生来说是一项挑战。”尽管现有的临床决策辅助工具可用于估计不同人群(例如中老年人)在六年或20年内患痴呆症的中长期风险，但作者指出，“……据我们所知，

该团队继续说道，机器学习可以利用来自非常大且复杂的数据集的信息，并已应用于痴呆症诊断和风险预测。然而，现有模型经常使用基因检测、神经影像或脑脊液中的生物标志物等信息，这些信息在常规临床实践中通常不可用。在他们的研究中，卢埃林和同事调查了机器学习技术是否可以仅使用记忆临床数据来预测两年内痴呆症的发病率。研究人员分析了来自美国30个国家阿尔茨海默病协调中心记忆诊所网络的15,307个人的数据，并使用机器学习算法来发现数据中隐藏的模式，并确定哪些人在两年内最有可能患上痴呆症。年。

参与者在研究开始时并未患有痴呆症，尽管许多人都遇到了记忆或其他大脑功能的问题。在2005年至2015年的研究时间范围内，十分之一的参与者(1,568)在访问记忆诊所后两年内被诊断为痴呆症。研究发现，机器学习模型可以预测这些新的痴呆症病例，准确率高达92%，而且比现有的两种替代研究方法准确得多。“与现有的两种痴呆症风险预测模型(即心血管风险因素、衰老和痴呆症风险评分的发生率以及简短的痴呆症筛查指标)相比，机器学习算法在预测2年内全因痴呆症事件方面表现出色，”调查人员评论道。

科学家们还首次发现，大约8%(130)的痴呆症诊断似乎是错误的，因为他们的诊断随后被推翻。重要的是，机器学习模型准确地识别了80%以上的不一致诊断。这一发现表明人工智能不仅可以准确预测谁将被诊断出患有痴呆症，而且还有可能提高这些诊断的准确性。“据我们所知，这是对NACCUDS中潜在误诊的首次分析，并表明使用ML作为临床决策辅助有可能将误诊率降低高达84%，”该团队表示。

重要的是，研究人员发现机器学习可以有效地发挥作用，利用临床上常规获得的患者信息，例如记忆和大脑功能、认知测试表现和特定生活方式因素。他们写道：“对变量重要性的分析表明，机器学习算法只需要6个变量即可实现91%的准确率和至少0.89的曲线下面积。”该团队现在计划进行后续研究，以评估机器学习方法在临床中的实际应用，以评估它是否可以推广到改善痴呆症的诊断、治疗和护理。

他们总结道：“这些发现表明，机器学习算法仅使用6个变量就可以准确预测在记忆诊所接受护理的患者在2年内发生的痴呆症。”“这些发现可用于为记忆诊所决策辅助的开发和验证提供信息。”

研究负责人、埃克塞特大学艾伦图灵研究员戴维·卢埃林博士负责监督这项研究，他说：“我们现在能够教计算机准确预测谁将在两年内患上痴呆症。我们还很高兴得知我们的机器学习方法能够识别可能被误诊的患者。这有可能减少临床实践中的猜测，并显着改善诊断途径，帮助家庭尽可能快速、准确地获得所需的支持。”

资助这项研究的英国阿尔茨海默氏症研究中心的研究负责人罗莎·桑乔博士评论道：“人工智能在改善导致痴呆症的疾病的早期检测方面具有巨大的潜力，并且可能彻底改变那些关心自己或所爱的人的诊断过程。一名出现症状。这项技术是对现有替代方法的重大改进，可以为医生提供建议生活方式改变和识别可能从支持或深入评估中受益的人的基础。”