新发现：人工智能算法可识别阿尔茨海默症预测患病风险

阿尔茨海默症的研究专家们一直致力于找到某种标准方法来准确预测病人被确诊的可能性。然而，不同的医疗机构用于诊断阿尔茨海默症的方法和风险有很大差异。最近，波士顿大学研究人员领导的国际研究小组发明了一种人工智能计算机算法来解决这个问题。该算法可以准确预测阿尔茨海默症的风险，利用磁共振成像、测量认知障碍的测试结果，和年龄、性别等基本信息来诊断疾病。

波士顿大学医学院医学助理教授在一份新闻稿中说，如果计算机能够使用诸如脑磁共振扫描等现成的数据准确地检测出诸如阿尔茨海默症这种衰弱性疾病，那么这种技术就具有广泛的潜力，特别是在资源有限的环境中。

研究人员使用深度学习的方法创建了自己的算法，该算法可以逐步学习阿尔茨海默症和疾病风险的“预测因子”，并随着学习的深入改进其预测因子。研究小组在他们的数据子集上训练算法，然后在其他数据上验证算法的性能。他们获得了四家阿尔茨海默症研究中心提供的患者和正常者的核磁共振扫描、临床信息和人口统计信息数据。该算法在一组包含417名患者信息的数据上进行训练，并在另外三组有1000多名合并患者的数据上进行测试。

由11名神经学家组成的专家研究小组也对该算法进行了测试。结果表明，在预测病人病情方面，计算机算法的表现略好于神经学家。研究人员还证明，被计算机算法确定有阿尔茨海默症“预测因子”的脑区有一些是已经去世的病人的，他们的尸检报告中显示有病态神经病变。

这套算法不仅可以准确地预测阿尔茨海默症的风险，还可以对阿尔茨海默氏症的个体风险进行直观解释和可视化，从而做到更准确的诊断。研究人员希望他们的深度学习算法能够激励科学家尝试使用，以催生其他退化性疾病的预测模型。

最后，负责人对新算法表达了一些希望。“如果我们有准确的工具来预测阿尔茨海默症的风险（例如我们所开发的工具），这些工具是现成的，并且可以使用大脑核磁共振扫描等常规通用数据，那么它们就有可能帮助临床实践。”

声明：本文源自studyfinds.org，版权归原作者或原出处所有，观点仅代表作者本人，不代表SENSORO立场。如有侵权或者其他问题，请联系我们；违规转载法律必究。