北京
阿尔茨海默症影响着全球5500多万人，每年花费8200亿美元，是一项重大的全球医疗保健挑战。预计在未来50年，患者的数量将增加两倍。
阿尔茨海默症是痴呆症最常见的原因，占病例的60-80%。阿尔茨海默症的复杂性及其缓慢而微妙的进展使早期诊断变得困难，导致治疗延误，使患者和家属错过了最佳治疗机会。
剑桥大学的研究人员可能已经发现了一项突破，可以彻底改变阿尔茨海默症的诊断。研究人员开发了一种新的人工智能工具，在预测阿尔茨海默症的进展方面优于临床试验。该工具可以预测有阿尔茨海默症早期症状的人是保持稳定还是可能发展成（80%机率）阿尔茨海默症，比标准临床标记准确三倍。
该研究论文的资深作者、剑桥大学心理学系教授Zoe Kourtz说:“我们发明了一种工具，尽管它只使用了认知测试和核磁共振扫描的数据，但在预测某人是否会从轻微症状发展为阿尔茨海默氏症方面，比目前的方法要灵敏得多——并且还能判断这种进展是快还是慢。”
Kourtz还表示，新工具有可能通过识别需要最重症监护的个体来改善患者的健康状况。它还将有助于减轻预计病情会保持稳定的患者的焦虑。
这项研究是由英国国家健康研究所剑桥生物医学研究中心、阿尔茨海默症药物发现基金会诊断加速器、惠康、皇家学会、艾伦图灵研究所和英国阿尔茨海默症研究所资助的。剑桥大学的研究人员还与伯明翰大学和新加坡国立大学的一个跨学科团队合作。
老年痴呆症的早期诊断至关重要，因为这是治疗最有效的时候。然而，如果不使用昂贵的侵入性检查，如正电子发射断层扫描(PET)扫描或腰椎穿刺，通过传统方法进行早期检测可能不准确，这些检查在大多数诊所都不常见。
该人工智能模型是利用低成本和非侵入性的患者数据开发的，包括结构MRI扫描和认知测试，以分析400多人的灰质萎缩。大脑中的灰质由神经元细胞体组成，对执行各种认知功能至关重要。灰质的密度或体积减少通常与神经退行性疾病有关，如阿尔茨海默症。
研究人员训练并建立了一个预测预后模型(PPM)，分析灰质萎缩和其他临床相关预测因素，如认知测试。这些预测与来自各国不同诊所的独立真实数据进行了比较和验证。研究结果显示，该工具在82%的病例中成功识别出患有阿尔茨海默氏症的个体，在81%的病例中正确识别出没有患阿尔茨海默氏症的个体。
该模型将实验患者分为三组：症状保持稳定的(约占参与者的50%)，缓慢发展为阿尔茨海默氏症的(约占35%)，以及进展较快的(其余15%)。
通过使用来自美国600名志愿者的患者数据和从英国及新加坡诊所收集的900人的纵向数据进一步测试模型，证实了人工智能算法的稳健性。
研究小组相信，他们的人工智能模型适用于现实世界的患者和诊所环境。为了确保人工智能模型可以推广到现实世界，研究人员使用了从实际诊所和研究队列中收集的常规数据。
展望未来，研究小组计划将该模型的应用扩展到其他形式的痴呆，如血管性痴呆和额颞叶痴呆，通过结合其他类型的数据，如血液测试标记物。
人工智能为疾病研究开辟了新的可能性，揭示了以前无法获得的见解。它有助于研究人员确定阿尔茨海默症的药物靶点。Insilico 医疗和剑桥大学联合发表了一篇论文，概述了一种基于人工智能的新技术，该技术可以精确定位药物可以与之相互作用以治疗疾病的特定蛋白质。这些进步凸显了人工智能改变医疗保健的潜力，并为阿尔茨海默氏症提供更可靠的诊断和治疗。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
