全球每年有数百万人受到阿尔茨海默病（阿尔茨海默病）的影响。
据阿尔茨海默病协会称，阿尔茨海默病是美国第六大致命疾病，导致死亡的人数超过乳腺癌和前列腺癌的总和。
它的治疗费用仍然非常昂贵。
如果能够通过早期检查发现，可以节省近7.9亿美元的医疗费用。
忘记。
AI 是一家专门为临床研究设计软件工具的初创公司。
该公司的研究人员认为，人工智能可以在个性化诊断和治疗中发挥非常重要的作用。
发表在预印本论文网站 Arvix 上的文章。
在org上的文章（文章名《Using deep learning for comprehensive， personalized forecasting of Alzheimer’s Disease progression》）中，研究人员提出了一个可以预测疾病的系统。
这个系统本质上可以预测每个患者在未来每个阶段可能遇到的各种症状。
研究小组写道：“患有相同疾病的两名患者有时会表现出不同的症状、不同的疾病进展以及对治疗的不同反应。
” “了解如何预测和管理患者之间的这些差异。
是精准医疗的首要目标。
使用机器学习方法监测疾病进展而开发的计算机模型为我们提供了有效解决患者异质性的工具。
“人工智能可以检测认知能力下降。
该系统并非没有先例。
蒙特利尔麦吉尔大学的神经科学家开发了一种捕获 PET 扫描的算法。
该算法能够以 84% 的准确度识别最终会患上痴呆症的患者。
此外杜克大学和克罗地亚 Rudjer Boskovic 研究所的科学家也使用机器学习方法来了解脑组织损失随时间的变化，但 Unlearn 系统使用的是无监督学习方法，这意味着它使用的数据没有。
此外，它可以同时计算患者各种症状的预测和置信区间。
整个系统的开发主要分为两个部分：首先，开发团队应用了玻尔兹曼编码对抗机器（BEAM）。
）来对临床数据进行建模。
BEAM 是一个非常适合对数据进行分类和建模的神经网络，他们报告了针对阿尔茨海默病的联盟的在线数据库，该数据库由涵盖 42 个变量的 18 个月的阿尔茨海默病数据组成。
它是根据该疾病患者的数据进行训练和测试的。
开发团队测量的患者包括 ADAS-Cog（一种广泛使用的认知量表）和简易精神状态检查（用于测量研究环境中认知障碍的临床和问卷调查）。
然后，开发团队使用这个开发的模型生成“虚拟患者”及其相关的认知测试分数、实验室测试数据和临床数据。
他们对个体患者进行了模拟，以预测单词回忆、方向和命名等领域的疾病进展，这些反过来又被用来测量阿尔茨海默病量表认知评分。
研究人员声称，无监督模型可以准确预测痴呆症认知至少18个月，他们相信该模型也可以用来预测其他退行性疾病患者的最终结果。
研究小组写道：“我们在这里描述的用于模拟阿尔茨海默病症状进展的方法可以很好地扩展到其他疾病。
” “深度生成模型在临床数据中的广泛应用可以产生与现实世界医学类似的结果。
”与合成数据集相比，这些数据的隐私问题较少，或者可用于进行模拟临床试验以优化研究设计。
在某些疾病领域，使用模拟数据来预测特定个体的疾病风险的工具可以为医生提供帮助。
为患者选择更正确的治疗方法。