新机器学习程序为阿尔茨海默病的早期诊断带来希望

据美国凯斯西储大学（Case Western Reserve University）网站2017年8月16日报道，在针对阿尔茨海默病诊断方法的初始测试中，由该校科研人员开发的新机器学习程序的表现似乎优于其他方法。该程序侧重在相关症状开始影响日常生活前对阿尔茨海默病进行诊断。

据估计，美国有超过500万人可能患有阿尔兹海默病，随着人口老龄化，这一数字还将继续增长。阿尔兹海默病是一种不可逆的进行性大脑功能障碍疾病，会缓慢破坏记忆能力和思考能力。根据美国国家老龄化研究所（National Institute on Aging）和发表的研究成果表明，尽管没有治愈方法，但一些药物能够在五年甚至更长时间内延缓或防止相关症状恶化。与此同时，早期诊断和治疗是让此类患者保持独立的关键，而这正是新计算机程序的目标。

该计算机程序整合了一系列阿尔兹海默病的疾病指标，包括轻度认知障碍。该算法会在两个连续的阶段中选择最相关的指标来预测谁患有阿尔兹海默病。“许多论文将健康对象与患病对象进行比较，但其中存在连续体，”凯斯西储大学的科研人员说道。“我们特意包括了轻度认知障碍，该症状有可能是阿尔兹海默病的先兆，但并不总是如此。”

凯斯西储大学的科研人员在《自然》杂志旗下期刊《科学报告》（Scientific Reports）上发布的一项研究中，使用通过阿尔茨海默症神经影像计划（Alzheimer’s Disease Neuroimaging Initiative）收集来的149名患者数据对该算法进行了测试。

该团队开发的算法名为级联多视图典型相关（Cascaded Multi-view Canonical Correlation，CaMCCo）算法。该算法整合了磁共振成象（MRI）扫描、海马体特征、脑部葡萄糖代谢率、蛋白质组学、基因组学、轻度认知障碍等测量参数。

凯斯西储大学的科研人员在实验中多次发现，整合不同的信息对于识别癌症而言十分有价值。这是该团队首次在诊断和鉴定阿尔兹海默病时这样做。“该算法假设每个参数都会提供有关该疾病的不同视图，就像每个参数都是一组不同的有色眼镜一样，”科研人员表示。

该程序随后分为两个阶段以级联方式鉴定变量。首先，算法选择最能区分健康对象和非健康对象的参数。其次，算法从非健康变量中选择最能区分患有轻度认知障碍的对象和患有阿尔兹海默病的对象的变量。“剩下的视图经过组合后可提供最佳预测，”科研人员说道。

在针对研究对象进行阿尔兹海默病预测时，CaMCCo的表现优于使用单个指标进行预测以及在非选择性鉴定的情况下组合使用多个指标进行预测的方法。在预测谁患有轻度认知障碍方面，该算法的表现也优于组合使用多个指标的其他方法。

科研人员会继续使用来自多个站点的数据对该方法进行验证和调整。他们还计划在观察模式下使用该软件：当一个分工协作的神经学家为患者编译测试时，计算机将运行数据。如果CaMCCo被证明在预测早期阿尔兹海默病方面有用，科研人员希望能够通过临床试验来进一步验证。