最新报道，剑桥大学的科研人员成功研制出一种人工智能系统，该系统在预测早期痴呆症患者发展为阿尔茨海默病的风险方面，准确度高达80%以上。这项创新技术有望降低对昂贵且侵入性诊断手段的依赖，同时在病情早期阶段提供更有效的治疗和干预措施的机会。
痴呆症患者全球人数已超过5500万，其中阿尔茨海默病占据了绝大多数，每年对全球经济造成的损失高达8200亿美元。随着人口老龄化的加剧，预计未来50年内，痴呆症患者人数将翻两番。
早期识别阿尔茨海默病对于治疗至关重要，因为早期干预可以显著提高治疗效果。然而，目前早期痴呆症的诊断往往需要依赖PET扫描或腰椎穿刺等昂贵且侵入性的检查，这些检查并非所有记忆障碍诊所都能够提供。这导致约三分之一的患者可能面临误诊的风险，而其他患者则可能在最佳治疗时机过后才被确诊。
剑桥大学心理学系的研究团队开发了一种基于机器学习的预测模型，该模型能够预测轻度记忆和思维问题患者发展为阿尔茨海默病的可能性及其速度。在《电子临床医学》杂志上发表的研究中，该团队展示了其模型相较于现有临床诊断工具的优越性。
该AI预测模型是基于美国研究小组收集的400名大脑灰质萎缩患者的认知测试和核磁共振扫描数据构建的。研究团队进一步利用来自英国、新加坡等多个国家的诊所的真实世界数据对模型进行了测试。
测试结果令人鼓舞：该模型在识别未来三年内可能发展为阿尔茨海默病的患者方面，准确率达到82%；在预测未来三年内不会发展为该病的患者方面，准确率也达到了81%。
与当前标准护理相比，该算法在预测阿尔茨海默病进展方面的准确度是其三倍左右，这表明其在减少误诊方面具有显著优势。
展望未来，研究团队计划将该模型的应用范围扩展到其他类型的痴呆症，如血管性痴呆和额颞叶痴呆，并探索使用不同类型的数据，例如血液检测中的生物标记物等，以进一步提高预测的准确性和应用范围。
