痴呆症的诊断常常打乱患者及其家庭的生活。借助人工智能的算法能提供更明确的诊断，某些情况下还可帮助识别可治愈的痴呆类型。
当家人怀疑长辈可能正在发展阿尔茨海默病或其他相关痴呆症时，老人呆坐凝视或无法认出亲人的画面仍令人心忧。神经科医生指出，尽管家人可能担心最坏情况，但痴呆症类型多样，其中许多可成功管理甚至治愈。
全球每三秒就有一人罹患痴呆症，该病症的总成本估计已超1.3万亿美元。病因清单冗长，使基层医护人员难以区分。除阿尔茨海默病外，临床医生还需考虑脑血管疾病导致的血管性痴呆、路易体痴呆、帕金森病痴呆、额颞叶痴呆、维生素B12缺乏、药物诱发痴呆及脑损伤等。多位研究者正尝试创建AI增强诊断工具以区分不同病因。例如，Boustani等人开发了基于机器学习的系统，包含基层医护人员使用的快速痴呆评级系统（QDRS）和被动数字标记（PDM）。他们在65岁及以上患者中开展随机临床试验发现，相比常规诊疗，结合两种评估工具可将准确诊断概率提升31%。
梅奥诊所神经病学人工智能项目创始主任、神经科医生大卫·琼斯博士同样利用AI区分各类痴呆症。据其发表在《神经病学》期刊的报告，他与团队借助StateViewer工具，在分析的病例中成功识别出88%的痴呆类型。该成果仅需一种广泛可用的脑部扫描——氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）。该扫描可显示患者大脑特定区域，扫描识别的独特模式与特定类型或组合的痴呆症相匹配（见图），从而帮助临床医生做出更准确诊断并制定个性化治疗方案。
基于改良K近邻算法（K-NN）的StateViewer，Bernard等人“成功检测出9种不同神经退行性表型，敏感度达0.89±0.03，受试者工作特征曲线下面积（AUC）为0.93±0.02”。此外，他们进行放射科医师研究，将该模型与标准FDG-PET评估协议对比。分析中，放射科医师需区分后皮质萎缩与路易体痴呆。标准诊断方法的AUC为0.84，而使用StateViewer时升至0.92；两种方法结合后效果更佳，AUC达0.94。
尽管痴呆症诊断对患者及其家庭而言充满挑战，但最新AI算法正使诊断日益精准，助力临床医生与患者规划更个性化的行动方案。
图：神经退行综合征中的功能性大脑
图像中每个彩色节点代表个体患者，其位置基于全脑代谢网络模式推导出的低维功能性状态空间。节点间距离反映大脑大规模网络组织的相似性，而非临床诊断结果。节点按临床综合征着色，空间广域区域对应主导的认知行为领域，包括记忆、语义、语言、执行功能、行为、视觉处理及动作/运动规划。
整体而言，该图说明神经退行性疾病并非离散类别，而是代表大规模生成性脑网络的结构化重叠紊乱，临床综合征源于沿功能性梯度的退化，而非大脑局部区域的孤立损伤。此框架为退化心智提供映射，使临床医生能规划通向精准诊断体系的路径，并协调当前及新兴治疗策略。
病理/疾病分组：- ADNC — 阿尔茨海默病神经病理改变
- FTLD — 额颞叶小叶变性
- TDP-43 — TAR DNA结合蛋白43
- FTLD-TDP-43 — 与TDP-43病理相关的额颞叶小叶变性
- FTLD-Tau — 与tau蛋白病理相关的额颞叶小叶变性
- Alpha-synuclein — 以α-突触核蛋白聚集为主的病理
- 阿尔茨海默相关/ADNC相关
- ad — 典型遗忘型阿尔茨海默病
- lvppa — 日志开口变异型原发性进行性失语症
- dad — 执行功能障碍型阿尔茨海默病
- pca — 后皮质萎缩
- FTLD-TDP-43相关
- bvftd — 行为变异型额颞叶痴呆
- lans — 以边缘系统为主的年龄相关神经退行综合征
- sd — 语义性痴呆
- FTLD-Tau相关
- nfppa — 非流利/语法缺失型原发性进行性失语症
- psp — 进行性核上性麻痹
- ppaos — 原发性言语运动规划障碍
- cbs — 皮质基底综合征
- Alpha-synuclein相关
- dlb — 路易体痴呆
- 其他
- nph — 正常压力脑积水
- cu — 认知功能未受损
【全文结束】
