一项大规模的新研究得出结论，人工智能可以预测哪些参加记忆诊所的人会在两年内患上痴呆症，准确率高达92%。
英国埃克塞特大学(University of Exeter)的一项研究利用来自美国1.53万多名患者的数据发现，一种名为机器学习的人工智能可以准确判断谁会患上痴呆症。
这项技术的工作原理是发现数据中隐藏的模式，并了解谁的风险最大。这项研究发表在《美国医学会杂志网络开放》(JAMA Network Open)上，由英国阿尔茨海默氏症研究中心(Alzheimer’s Research UK)资助。该研究还表明，该算法可以帮助减少可能被错误诊断为痴呆症的人数。
研究人员分析了参加美国30个国家老年痴呆症协调中心记忆诊所网络的人们的数据。在研究开始时，参与者没有患上痴呆症，尽管很多人都出现了记忆或其他大脑功能方面的问题。
在2005年至2015年的研究时间框架内，每十个参与者(1568人)就有一个人在访问记忆诊所的两年内被确诊为痴呆症。研究发现，机器学习模型可以预测这些新的痴呆症病例，准确率高达92%，比现有的两种替代研究方法准确得多。
研究人员还首次发现，大约8%(130人)的痴呆症诊断似乎是错误的，因为他们的诊断后来被推翻。机器学习模型能准确地识别出80%以上的不一致诊断。人工智能不仅可以准确预测谁将被诊断为痴呆症，它也有潜力提高这些诊断的准确性。
埃克塞特大学的艾伦·图灵研究员大卫·卢埃林教授监督了这项研究，他说:“我们现在能够教计算机准确预测谁会在两年内患上痴呆症。”我们也很高兴地得知，我们的机器学习方法能够识别可能被误诊的患者。这有可能减少临床实践中的猜测，显著改善诊断途径，帮助家庭尽快、尽可能准确地获得所需的支持。”
埃克塞特大学的研究员Janice Ranson博士补充道:“我们知道痴呆症是一种非常可怕的疾病。在记忆诊所中嵌入机器学习可以帮助确保诊断更加准确，减少错误诊断可能导致的不必要的痛苦。”
研究人员发现，机器学习的工作效率很高，它利用了临床常用的患者信息，比如记忆和大脑功能、认知测试的表现以及特定的生活方式因素。该团队现在计划进行后续研究，以评估机器学习方法在诊所的实际应用，以评估它是否可以推广到改善痴呆症的诊断、治疗和护理。
英国阿尔茨海默氏症研究所的研究负责人罗莎·桑乔博士表示:“人工智能在改善导致痴呆症疾病的早期检测方面具有巨大潜力，并可能彻底改变那些担心自己或亲人出现症状的人的诊断过程。”这项技术是对现有替代方法的重大改进，可以为医生建议改变生活方式提供基础，并确定哪些人可能从支持或深入评估中受益。”
这项研究名为“机器学习算法在记忆临床患者中预测痴呆症进展的性能”，作者是夏洛特·詹姆斯、珍妮丝·m·兰森、理查德·艾弗森和大卫·J·卢埃林。该研究发表在JAMA Network Open上。
