人工智能自动诊断阿尔茨海默病

据称，该团队的机器学习驱动的计算模型可以从神经心理测试的音频记录中检测出认知障碍。他们的研究结果发表在阿尔茨海默病与痴呆:阿尔茨海默病协会杂志．

“这种方法使我们离早期干预更近了一步，”论文的合著者、波士顿大学工程学院杰出的工程学教授扬尼斯·帕斯查利迪斯说。他说，更快更早地发现阿尔茨海默氏症可能会推动更大规模的临床试验，重点关注处于疾病早期阶段的个体，并可能实现减缓认知衰退的临床干预。

帕斯查利迪斯在一份声明中说:“它可以形成一个在线工具的基础，可以覆盖到每个人，并可以增加早期接受筛查的人数。”

研究团队使用1000多人的神经心理学访谈录音来训练他们的模型。他们使用自动在线语音识别工具和一种称为自然语言处理的机器学习技术，让他们的程序转录采访，然后将其编码成数字。最后一个模型被训练来评估个体认知障碍的可能性和严重程度，使用人口统计数据、文本编码和神经学家和神经心理学家的真实诊断。

帕斯卡利迪斯表示，该模型能够准确区分健康个体和痴呆症患者，还能检测出轻度认知障碍患者和痴呆症患者之间的差异。研究发现，录音的质量和人们说话的方式不如他们所说的内容重要。

“令我们惊讶的是，语音流或其他音频功能并不是那么重要;你可以很好地自动转录采访内容，并依靠人工智能的文本分析来评估认知障碍，”帕斯卡利迪斯说。该团队需要根据其他数据来源验证其结果，但研究结果表明，他们的工具可以支持临床医生使用音频记录诊断认知障碍，包括来自虚拟或远程医疗预约的音频记录。

更多来自医疗保健

该模型还提供了深入了解神经心理学测试的哪些部分可能比其他部分更重要，以确定一个人是否有认知障碍。研究人员的模型根据所进行的临床测试将考试成绩单分成不同的部分。他们发现，在波士顿命名测试中，临床医生要求个体用一个词给一张图片贴上标签，这对准确诊断痴呆症最有帮助。

Paschalidis说:“这可能使临床医生能够分配资源，甚至在症状出现之前进行更多的筛查。”

痴呆症的早期诊断对于患者及其护理人员能够制定有效的治疗和支持计划非常重要。对于研究减缓和预防阿尔茨海默病进展的疗法的研究人员来说，这也是至关重要的。

Paschalidis说:“我们的模型可以帮助临床医生评估患者认知能力下降的可能性，然后通过对那些痴呆症可能性更高的人进行进一步测试，为他们量身定制最佳资源。”

研究小组正在寻找志愿者做一份在线调查，并提交一份匿名认知测试．研究结果将被用于提供个性化的认知评估，也将帮助团队完善他们的人工智能模型。