一項大規(guī)模的新研究得出結(jié)論，人工智能可以預(yù)測到記憶診所就診的人中，誰將會在兩年內(nèi)患上失智癥，準(zhǔn)確率為92％。

埃克塞特大學(xué)12月16日消息

�？巳�特大學(xué)（University of Exeter）的研究使用了美國 15，300 多名患者的數(shù)據(jù)，發(fā)現(xiàn)一種名為機(jī)器學(xué)習(xí)的人工智能可以準(zhǔn)確地判斷誰會患上失智癥。

該技術(shù)通過發(fā)現(xiàn)數(shù)據(jù)中的隱藏模式，并了解誰的風(fēng)險最大。這項研究發(fā)表在《美國醫(yī)學(xué)會雜志·網(wǎng)絡(luò)開放》（JAMA Network Open）上，由英國阿爾茨海默病研究所（Alzheimer’s Research UK）資助。研究還表明，該算法可以幫助減少可能被誤診為失智癥的人數(shù)。

研究于2021年12月16日發(fā)表在《JAMA Network Open》（最新影響因子：8．483）雜志上

研究人員分析了參加美國 30 個國家阿爾茨海默病協(xié)調(diào)中心記憶診所網(wǎng)絡(luò)的人的數(shù)據(jù)。研究開始時，參與者并沒有患失智癥，盡管許多人在記憶或其他大腦功能方面出現(xiàn)了問題。

在2005年至2015年的研究中，十分之一的參與者（1，568人）在去記憶診所的兩年內(nèi)被診斷為失智癥。該研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)模型可以預(yù)測這些新的失智癥病例，準(zhǔn)確率高達(dá)92％——比現(xiàn)有的兩種替代研究方法的準(zhǔn)確率要高得多。

研究人員還首次發(fā)現(xiàn)，大約8％（130）的失智癥診斷似乎是被誤診了，因為他們的診斷后來被逆轉(zhuǎn)了。在這些不一致的診斷中，機(jī)器學(xué)習(xí)模型準(zhǔn)確識別了80％以上。人工智能不僅可以準(zhǔn)確預(yù)測誰將被診斷為失智癥，它還有可能提高這些診斷的準(zhǔn)確性。

David Llewellyn 教授是�？巳�特大學(xué)的艾倫·圖靈（Alan Turing）研究員，他主持了這項研究，他說：“我們現(xiàn)在能夠教計算機(jī)準(zhǔn)確預(yù)測誰會在兩年內(nèi)患上失智癥。我們還很高興地得知，我們的機(jī)器學(xué)習(xí)方法能夠識別出可能被誤診的患者。這有可能減少臨床實踐中的猜測，并顯著改善診斷途徑，幫助家庭盡快、盡可能準(zhǔn)確地獲得他們需要的支持。”

臨床流行病學(xué)和數(shù)字健康教授 David Llewellyn

英國阿爾茨海默病研究所的研究主管 Rosa Sancho 博士說：“人工智能在改善導(dǎo)致失智癥的疾病的早期檢測方面具有巨大的潛力，并可能徹底改變那些關(guān)心自己或親人出現(xiàn)癥狀的人的診斷過程�，F(xiàn)有的替代方法相比，這項技術(shù)是一個顯著的改進(jìn)，可以為醫(yī)生提供支持，建議改變生活方式，并確定哪些人可能從支持或深入評估中受益�！�

�？巳�特大學(xué)研究員 Janice Ranson 博士補充說：“我們知道失智癥是一種非�？膳碌募膊�。將機(jī)器學(xué)習(xí)嵌入記憶診所可以幫助確保診斷更加準(zhǔn)確，減少誤診可能造成的不必要的痛苦�！�

研究人員發(fā)現(xiàn)，機(jī)器學(xué)習(xí)的工作效率很高，利用了臨床中常見的患者信息，如記憶和大腦功能、認(rèn)知測試的表現(xiàn)和特定的生活方式因素。該團(tuán)隊目前計劃進(jìn)行后續(xù)研究，以評估機(jī)器學(xué)習(xí)方法在診所的實際應(yīng)用，以評估它是否可以推廣到改善失智癥的診斷、治療和護(hù)理。

Charlotte James、Janice M． Ranson、Richard Everson 和 David J Llewellyn  共同完成了這項名為“機(jī)器學(xué)習(xí)算法在預(yù)測記憶門診患者失智癥進(jìn)展中的表現(xiàn)”（ Performance of Machine Learning Algorithms for Predicting Progression to Dementia in Memory Clinic Patients）的研究。研究結(jié)果發(fā)表在《JAMA Network Open》上。

參考文獻(xiàn)

Source：University of Exeter

Artificial intelligence accurately predicts who will develop dementia in two years

Reference：

James C， Ranson JM， Everson R， Llewellyn DJ． Performance of Machine Learning Algorithms for Predicting Progression to Dementia in Memory Clinic Patients． JAMA Netw Open． 2021；4（12）：e2136553． doi：10．1001／jamanetworkopen．2021．36553

免責(zé)聲明

本公眾號上的醫(yī)療信息僅作為信息資源提供與分享，不用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請咨詢你的醫(yī)生。