机器学习可以识别患痴呆症的可能性

埃克塞特大学的研究使用了来自美国15300多名患者的数据，发现机器学习可以准确地判断谁会在参加记忆诊所的两年内患上痴呆症。

该技术可以识别数据中隐藏的模式，并了解谁的风险最大。这项研究发表在JAMA网络开放该研究由英国阿尔茨海默氏症研究中心资助，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。

更多来自医疗保健

研究人员分析了参加美国30个国家阿尔茨海默病协调中心记忆诊所网络的人们的数据。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%，优于两种现有的替代研究方法。

根据埃克塞特大学的研究，研究人员还首次发现，大约8%(130例)的痴呆症诊断似乎是错误的。机器学习模型准确识别出80%以上的不一致诊断。人工智能不仅可以准确地预测谁将被诊断患有痴呆症，而且还有可能提高这些诊断的准确性。

埃克塞特大学艾伦·图灵研究员大卫·卢埃林教授监督了这项研究，他在一份声明中说:“我们现在能够教会计算机准确预测谁将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、准确地获得所需的支持。”

埃克塞特大学研究员Janice Ranson博士补充说:“我们知道痴呆症是一种非常可怕的疾病。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。”

研究人员发现，机器学习可以有效地工作，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。

该团队将进行后续研究，以评估机器学习方法在诊所中的实际应用，以评估它是否可以推广到改善痴呆症的诊断、治疗和护理。