近日，科学家成功训练了一种新的人工智能算法，可以准确预测导致阿尔茨海默病的认知衰退症状。
据《年世界阿尔茨海默病报告》统计，全球约有1万名AD（阿尔茨海默病）患者，预计患者数量每20年翻一番，到2020年将达到1万名，每年将超过1.3亿。
我国也逐渐进入老龄化社会。
目前，我国老年人痴呆患者数量已突破万例，位居全球第一，并且每年新增病例以超过30万例的速度快速增长。
然而，由于阿尔茨海默氏病起病隐匿，早期往往很难发现，而且往往直到症状明显才得到重视。
目前，该病尚无真正有效的治疗方法。
由于大多数潜在的阿尔茨海默病治疗方法在人体试验中都失败了，许多研究人员正在从治疗转向预防，这可能是对抗阿尔茨海默病的最有效方法。
因此，阿尔茨海默病和痴呆症研究人员面临的最大挑战之一是找到一种方法来准确识别具有认知能力下降早期迹象的患者。
新的研究表明，人工智能可能是准确预测潜在阿尔茨海默病患者的关键。
“目前，阿尔茨海默病的治疗方法有限，因此预防很重要。
人工智能系统可以协助医生进行治疗。
当人工智能准确预测病情时，人们可以及早改变生活方式，延缓阿尔茨海默病的发病期，甚至彻底预防它，”麦吉尔大学精神病学系助理教授查克拉瓦蒂说。
血液测试、PET 扫描、眼部测试、遗传学甚至嗅觉测试是识别认知能力下降早期迹象的常见方法，但这些方法在预测方面并不完全准确。
一项新的研究表明，经过训练来评估各种诊断数据的人工智能算法可以有效地预测一个人是否处于疾病的早期阶段，以及他们是否有可能在未来五年内显着恶化。
道格拉斯大学心理健康研究所的计算神经科学家 Mallar Chakravarty 博士和他的同事利用人工智能技术和大数据设计了一种特定的算法，开发了一种使用磁共振成像 (MRI)、遗传学和临床的算法数据学习通过对有阿尔茨海默病风险的患者大脑中的淀粉样蛋白进行一次 PET 扫描，可以在痴呆症发病前两年准确识别痴呆症的迹象。
该算法根据多个受试者的数据进行训练，并结合从 MRI 成像到基因型和临床信息的各种生物标志物。
研究对象包括健康的老年人和临床上明显的阿尔茨海默病患者。
这些受试者中的一小部分还提供了长达六年的个人临床信息，使算法能够全面了解疾病进展，这有助于系统更好地预测认知能力下降的轨迹。
“我们目前正在努力使用新数据测试预测的准确性。
这将帮助我们改进预测并确定是否可以延长预测期，”查克拉瓦蒂说。
随着通过深度学习了解更多数据，科学家将能够更好地识别那些因阿尔茨海默病而认知能力下降的风险最大的人。
在早期阶段，研究人员认为该算法有用且准确。
随着更多的数据被添加到算法中，再加上广泛的患者培训，人工智能系统未来可能成为临床医生诊断阿尔茨海默病的有用工具。
预防治疗疾病的重要工具。
“通过使用这个工具，临床试验可以集中于那些在研究时间范围内更有可能患上痴呆症的个体，这将显着减少进行这些研究所需的时间和成本。
”麦吉尔神经病学和神经外科根据精神病学教授 Serge Gauthier 博士的说法。