人工智能工具可检测漏诊的阿尔茨海默病病例并减少诊疗差异
加州大学洛杉矶分校研究团队开发出一种创新人工智能工具,通过分析电子健康记录有效识别未被诊断的阿尔茨海默病患者,特别针对非裔美国人、西班牙裔等代表性不足社区中长期存在的漏诊问题。该工具采用半监督正例未标记学习方法,在非西班牙裔白人、非裔美国人、西班牙裔/拉丁裔及东亚人群中的敏感度达77%至81%,显著高于传统模型的39%至53%,并通过遗传数据(如APOE ε4等位基因计数和多基因风险评分)验证了预测准确性。这一突破不仅有助于临床医生及早发现高风险患者并推动早期干预,还能系统性减少医疗健康领域的诊断差异,为阿尔茨海默病防治提供公平且高效的技术支持,具有重大公共卫生价值。

