人工智能技术可以帮助早期检测阿尔茨海默病。
阿尔茨海默病又称老年痴呆症，是一种严重的神经退行性疾病。患者通常会出现记忆力衰退、学习能力减弱、情绪调节障碍以及运动能力丧失等症状，极大地影响个人家庭乃至社会的发展。
目前全球约有5000万的痴呆患者，其中约60%-70%为阿尔茨海默病患者。阿尔茨海默病的确切原因尚不完全清楚，但多种因素可能与其发生发展有关。阿尔茨海默病的诊断通常依赖于临床评估，神经心理测试和脑部影像学检查等方法。但这些方法往往只能在疾病已经进展到一定程度时才能发现异常。因此早期发现阿尔茨海默病的风险和干预，其进展是目前医学界和科学界的重要课题。
近日，美国马萨诸塞州总医院的研究人员在自然·结构与分子生物学杂志上发表了一种利用人工智能技术来检测阿尔茨海默病风险的新方法。该方法使用了深度学习，一种机器学习和人工智能的分支，利用大量数据和复杂算法来训练模型。该方法首先使用了从患者和非患者的脑部核磁共振成像中收集的数据来训练一个阿尔茨海默病检测模型。
然后该模型在马萨诸葛亮的五个数据集上进行了测试，看看它是否可以基于真实世界的临床数据准确识别阿尔茨海默病而不管医院和时间。
总的来说，这项研究涉及了2348名有患阿尔茨海默病风险的患者的11103张图像和8456名无阿尔茨海默病患者的26892张图像。在所有五个数据集上，该模型以90.2%的准确率检测到了阿尔茨海默病风险。
这项工作的主要创新之一是不管年龄等其他变量，如何它都能检测出老年痴呆症。这是因为该模型通过让深度学习模型对它发现与患者到出的年龄过度相关的大脑特征视而不见来解决这个问题。
另一个创新之处是，该模型使用了一种不确定性指标来确定患者数据是否与它接受，训练的数据差异太大从而无法做出成功的预测。这样该模型可以适应不同的扫描仪和图像质量，提高其在临床实践中的可用性。
这项研究是仅有的使用常规收集的脑部核磁共振成像来检测痴呆症的研究之一。它朝着在真实世界的临床环境中，实际执行这项研究迈出了实质性的一步。而不是在完美的实验室环境中，该研究为阿尔茨海默病的早期诊断和干预提供了一种新的工具，也为人工智能在神经科、学和医学领域的应用，展示了巨大的潜力。
