波士顿大学的研究人员开发了一种人工智能模型，该模型可以以 78.5% 的准确率预测轻度认知障碍患者是否会在六年内患上阿尔茨海默病。该模型可以分析患者的言语，并可能彻底改变早期检测和治疗方案。
通过分析语音模式，新的人工智能模型可以高度准确地判断轻度认知障碍者是否会在六年内患上阿尔茨海默病相关的痴呆症。
波士顿大学创建的机器学习模型可以通过分析语音来预测轻度认知障碍患者的阿尔茨海默病进展，准确率为 78.5%。该工具利用了弗雷明汉心脏研究的数据，提供了一种更方便的诊断阿尔茨海默病的方法，可能有助于更早地进行干预。
通过人工智能早期发现阿尔茨海默病要确定某人是否患有阿尔茨海默病，通常需要进行一系列评估——面谈、脑成像、血液和脑脊液检查。但到那时，可能已经太迟了：记忆已经开始消失，长期形成的性格特征已经开始微妙地改变。如果及早发现，新的开创性治疗方法可以减缓疾病的无情发展，但没有万无一失的方法可以预测谁会患上与阿尔茨海默病相关的痴呆症。
现在，波士顿大学的研究人员表示，他们设计了一种很有前景的新型人工智能计算机程序或模型，有朝一日可以通过分析患者的言语来帮助改变这种状况。
预测人工智能模型的进步他们的模型可以预测轻度认知障碍患者在未来六年内是否会保持稳定，或者是否会患上与阿尔茨海默病相关的痴呆症，准确率为 78.5%。研究人员表示，他们的工作不仅能让临床医生预测未来并做出早期诊断，还能通过自动化部分流程（无需昂贵的实验室测试、影像检查，甚至无需就诊）让认知障碍筛查变得更加容易。该模型由机器学习提供支持，机器学习是人工智能的一个子集，计算机科学家可以教程序独立分析数据。
“我们想预测未来六年会发生什么——我们发现我们可以合理地做出预测，而且预测的可信度和准确性都相对较高，”波士顿大学拉菲克·哈里里计算与计算科学与工程研究所所长 Ioannis (Yannis) Paschalidis指出：“这展示了人工智能的力量。”这个由工程师、神经生物学家以及计算机和数据科学家组成的多学科团队在阿尔茨海默病协会期刊《阿尔茨海默病与痴呆症》上发表了他们的研究成果。
“我们和大家一样希望，能有越来越多的阿尔茨海默病治疗方法，”波士顿大学工程学院杰出工程学教授、计算与数据科学学院创始成员 Paschalidis 说：“如果你能预测会发生什么，你就有更多的机会和时间窗口来用药物进行干预，至少可以尝试保持病情的稳定，防止转变为更严重的痴呆症。”
计算阿尔茨海默病的概率为了训练和建立新模型，研究人员利用了美国最古老、持续时间最长的研究之一——波士顿大学牵头的弗雷明汉心脏研究的数据。尽管弗雷明汉研究的重点是心血管健康，但有认知能力下降迹象的参与者会定期接受神经心理学测试和访谈，从而获得大量有关其认知健康状况的纵向信息。
Paschalidis 和他的同事获得了 166 份初步采访的录音，这些采访对象年龄在 63 岁至 97 岁之间，被诊断为轻度认知障碍——其中 76 人的病情将在未来六年内保持稳定，90 人的认知功能将逐渐下降。然后，他们结合使用语音识别工具（类似于智能扬声器的程序）和机器学习来训练模型，以发现语音、人口统计、诊断和疾病进展之间的联系。在对研究人群的一部分进行训练后，他们测试了其对其余参与者的预测能力。
“我们将从录音中提取的信息与一些非常基本的人口统计数据（年龄、性别等）结合起来，得出最终分数，”Paschalidis介绍：“你可以把分数看作某人保持稳定或转变为痴呆症的可能性或概率。它具有显著的预测能力。”
人工智能：扩大医疗保健渠道的工具该模型不使用语音的声学特征，如发音或语速，而是提取访谈内容——说出的单词及其结构。Paschalidis 表示，他们输入机器学习程序的信息不够准确：例如，录音很乱——质量低下，背景噪音很大。“这是一段非常随意的录音，”“尽管如此，有了这些脏数据，模型还是能从中得出一些东西。”
这很重要，因为该项目的部分目的是测试人工智能使痴呆症诊断过程更加高效和自动化的能力，几乎不需要人工参与。研究人员表示，未来，像他们这样的模型可以用来为不在医疗中心附近的患者提供护理，或通过与家庭应用程序的互动提供常规监测，从而大幅增加接受筛查的人数。根据阿尔茨海默病国际组织的数据，全世界大多数痴呆症患者从未接受过正式诊断，因此无法获得治疗和护理。
论文合著者 Rhoda Au 表示，人工智能有能力创造“平等机会的科学和医疗保健”。这项研究建立在同一团队之前的研究基础上，他们发现人工智能可以通过语音记录准确检测认知障碍。
波士顿大学 Chobanian & Avedisian 医学院解剖学和神经生物学教授 Rhoda Au表示：“技术可以克服只有拥有资源的人才能完成的工作的偏见，或者依靠并非人人都能获得的专业知识的护理。”对她来说，最令人兴奋的发现之一是“一种具有最大包容性的认知评估方法——可能不受年龄、性别、教育、语言、文化、收入、地理位置的影响——可以作为检测和监测阿尔茨海默病相关症状的潜在筛查工具。”
在家就可诊断痴呆症在未来的研究中，Paschalidis 希望探索使用的数据不仅仅是来自正式的临床医生与患者访谈（包括他们事先准备好的问题和可预测的来回对话），还包括来自更自然的日常对话。他已经在着手一个项目，研究人工智能是否可以通过智能手机应用程序帮助诊断痴呆症，以及将当前的研究扩展到语音分析之外（Framingham 测试还包括患者的绘画和日常生活模式数据），以提高模型的预测准确性。
“数字化是新鲜血液，”Au 强调：“你可以收集它，分析它，了解今天已知的信息，存储它，然后重新分析它，以了解明天出现的任何新情况。”
来源：波士顿大学
免责声明：康嘉年華致力于健康常识分享，内容根据公开资料编辑，版权归原作者；如有侵权请在线留言删除。文章旨在介绍健康科学进展，不能作为治疗方案；如需精准健康指导，请至正规医院诊疗。
