人工智能可能有助于老年痴呆症的诊断

机器学习是一种人工智能，它允许计算机程序在接触新数据时进行学习，而无需编程。现在，荷兰的研究人员已经将机器学习方法与一种特殊的核磁共振技术结合起来，这种技术可以测量整个大脑的血液灌注或组织吸收率，以检测早期痴呆症的形式，如轻度认知障碍(MCI)，根据发表在该杂志网上的一项新研究放射学。

核磁共振成像可以帮助诊断阿尔茨海默氏症疾病阿姆斯特丹自由大学医学中心的首席研究员Alle Meije Wink博士说。“然而，阿尔茨海默氏症的早期诊断是有问题的。”

科学家们早就知道，阿尔茨海默病是一个渐进的过程，在与该疾病相关的结构变化显示在成像结果之前，大脑经历了功能变化。医生没有明确的方法来确定谁患有早期痴呆或哪些病例是轻度痴呆认知障碍会发展成老年痴呆症

“通过标准的核磁共振诊断，我们可以看到老年痴呆症的晚期，比如海马体萎缩，”梅杰·温克博士说。“但在那个时候，脑组织已经消失了，没有办法恢复。这将有助于及时发现和诊断这种疾病。”

在这项新研究中，研究人员使用了机器学习方法到一种叫做动脉自旋标记(ASL)成像的特殊MRI。ASL MRI被用来创建灌注图，显示有多少血液被输送到大脑的不同区域。

自动化机器学习计划被教导识别这些地图中的模式，以区分具有不同程度的认知障碍水平的患者，并预测新（看不见的）病例中的阿尔茨海默病的阶段。

该研究包括来自Vu大学医疗中心痴呆师痴呆症患者的Alzheimer中心的311名参与者的260名，在2010年10月至2012年11月期间接受了ASL MRI。

研究小组包括100名可能患有阿尔茨海默氏症的患者，60名患有轻度认知障碍（MCI）和100名主观认知下降（SCD）和26例健康对照。

SCD和MCI被认为是痴呆过程的早期阶段，并根据认知症状的严重程度进行诊断，包括记忆丧失和思考和决策问题。

自动化系统能够在阿尔茨海默病，MCI和SCD中有效地区分。使用基于自动化机器学习培训的分类器，研究人员能够预测患有高精度的单一患者的阿尔茨海默患者的诊断或进展，从82％到90％。

“ASL是阿尔茨海默氏症早期诊断的一种很有前途的替代功能性生物标志物，”Meije Wink博士说。

他补充说，自动化的应用机器学习该方法将成为一种有用的潜在筛查工具。

Meije Wink博士说:“ASL核磁共振可以识别出疾病早期出现的大脑变化，此时正是进行干预的时机。”“如果从SCD到MCI再到阿尔茨海默病的过程能够被拦截或减缓，这项技术就可以在筛查中发挥作用。”

---

---