人工智能可以准确预测人们是否会在两年内患上痴呆症

埃克塞特大学的研究人员使用机器学习技术分析了来自美国1.5万多名患者的数据。

这项技术的工作原理是发现数据中的隐藏模式，并了解谁的风险最大。该研究还表明，该算法可以帮助减少可能被错误诊断为痴呆症的人数。

研究人员分析了参加美国30个国家阿尔茨海默氏症协调中心记忆诊所网络的人的数据。参与者在研究开始时没有痴呆症，尽管许多人在记忆或其他大脑功能方面出现了问题。

在2005年至2015年的研究期间，十分之一的参与者(1568人)在访问记忆诊所的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%，比现有的两种替代研究方法准确得多。

他们还发现，大约8%的痴呆症诊断似乎是错误的，因为他们的诊断随后被逆转了。机器学习模型准确地识别了80%以上不一致的诊断。

埃克塞特大学的大卫·卢埃林教授说:“我们现在能够教会计算机准确预测谁会在两年内患上痴呆症。

“我们也很高兴地得知，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，并显著改善诊断途径，帮助家庭尽可能迅速和准确地获得所需的支持。”

参与该项目的珍妮丝·兰森博士补充说:“我们知道痴呆症是一种非常可怕的疾病。在记忆诊所中嵌入机器学习可以帮助确保诊断更加准确，减少错误诊断可能导致的不必要的痛苦。”

研究人员发现，机器学习可以有效地利用临床中常规可用的患者信息，如记忆和大脑功能、认知测试的表现和特定的生活方式因素。

该团队现在计划进行后续研究，以评估该方法在临床中的实际应用，以评估它是否可以推广用于改善痴呆症的诊断、治疗和护理。

英国阿尔茨海默病研究中心的研究负责人罗莎·桑丘博士说:“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潜力，并可能彻底改变人们对自己或亲人出现症状的诊断过程。”

“这项技术是对现有替代方法的重大改进，可以为医生建议改变生活方式，并确定哪些人可能受益于支持或深入评估提供依据。”

2019年，一项研究发现，VR可以帮助患有痴呆症的人回忆过去解决行为问题。