近日，科學家成功地訓練了一種新的人工智能算法，以準確預測導致阿爾茨海默病的認知能力下降癥狀。

據《2015年世界阿爾茨海默病報告》報道，全球約有4680萬AD（阿爾茨海默病）患者，預計每20年患病人數將翻一倍，到2030年將達到7470萬人，2050年更將突破1.3億人。而我國也已逐步進入老齡化社會，目前中國老年人中癡呆的患者已經超過1000萬，居世界首位，并且每年以增加30萬以上的新發病例快速增長。

可是由于阿爾茨海默病起病隱匿，起病初期往往很難發現，常常到癥狀明顯時才被重視，并且目前，這種疾病尚未有真正有效的治療方法。

隨著大多數潛在阿爾茨海默病治療在人體試驗階段的失敗，許多研究人員正在將方向從治愈轉向預防，這可能是對抗阿爾茨海默病最有效的方法。因此，阿爾茨海默氏癥和癡呆癥研究人員面臨的最大挑戰之一是找到一種方法來準確地識別患有認知衰退早期癥狀的患者。

新的研究表明，人工智能可能是準確預測潛在阿爾茨海默病患者的關鍵。

“目前，治療阿爾茨海默氏癥的方法有限，因此預防手段就很重要。人工智能系統則可協助醫生進行治療。在人工智能準確預測情況下，人們可以及早改變生活方式，從而延遲阿爾茨海默氏癥發作時期，甚至完全阻止它，“麥吉爾大學精神病學系助理教授Chakravarty說。

血液測試，PET掃描，眼睛測試，遺傳學甚至嗅探測試是識別認知衰退早期癥狀的常見方法，但這些方法并不能做到完全準確地預測。一項新的研究表明，經過訓練以評估各種診斷數據的AI算法可以有效地預測一個人是否處于疾病的早期階段，以及他們是否可能在接下來的五年內顯著惡化。

道格拉斯心理健康大學研究所的計算神經科學家Mallar Chakravarty博士和他的同事設計了一種特定的算法，使用人工智能技術和大數據開發了一種算法，通過磁共振成像（MRI），遺傳學和臨床數據學習，對有阿爾茨海默病風險的病人大腦進行單次淀粉樣蛋白的PET掃描來完成識別，能夠在癡呆癥發病前兩年準確識別出癡呆癥的跡象。

該算法通過對來自800多名受試者的數據進行訓練，并結合從MRI成像到基因型和臨床信息的各種生物標記物。所研究的受試者包括健康的老年人和臨床上具備明顯阿爾茨海默病癥的患者。其中一小部分受試者還提供了長達六年的個體臨床信息數據，使算法能夠對疾病進展的全面理解，這有助于系統更好地預測認知衰退的軌跡。

“我們目前正致力于使用新數據測試預測的準確性。它將幫助我們改進預測并確定我們是否可以延長預測期。”Chakravarty說。隨著對更多的數據深度學習，科學家們將能夠更好地識別導致阿爾茨海默病認知能力下降風險最大的人群。

在早期階段，研究人員相信該算法是有作用的且準確的，隨著更多數據被添加到算法中，再加上大量的患者訓練，在未來人工智能系統有望成為臨床醫生對阿爾茨海默病預防性治療的重要工具。

“通過使用這個工具，臨床試驗可以在研究的時間范圍內聚焦于那些更容易發展為癡呆癥的個體，這將大大降低進行這些研究所需的時間和成本。”麥吉爾神經病學與神經外科與精神病學教授Serge Gauthier博士認為。