Credit: Unsplash+
加州大学洛杉矶分校研究人员开发了一种新型人工智能工具，该工具通过分析患者的电子健康记录，有望帮助发现未被诊断出阿尔茨海默病的人群。
这可能是解决阿尔茨海默病诊疗重大难题的重要一步——许多患者从未得到确诊，尤其是那些在医疗研究中常被忽视的社区群体。
该研究发表在《npj数字医学》期刊上，阐述了这款新AI工具如何帮助医生更早、更公平地发现阿尔茨海默病。阿尔茨海默病是美国主要死因之一，影响约九分之一的65岁以上美国人，但并非所有人群的诊断概率均等。
例如，非裔美国人患阿尔茨海默病的可能性几乎是白人的两倍，但确诊率仅略高。西班牙裔和拉丁裔人群也面临相似的确诊率差距。
加州大学洛杉矶分校神经病学系的蒂莫西·张博士领导了这项研究。他表示，患病人群与确诊人群之间的差距巨大，对代表性不足群体尤为明显。
过去，研究人员曾尝试利用机器学习从健康记录中识别阿尔茨海默病患者，但许多工具采用可能带有偏见的旧方法构建。UCLA开发的新工具采用名为"半监督正例未标记学习"的先进方法，不单纯依赖已确诊病例，而是同时学习已确诊患者和可能患病但未确诊人群的数据，使AI能做出更准确预测并公平对待所有群体。
UCLA团队研究了超过97,000名患者的健康记录。其AI工具分析了年龄、诊断和其他健康问题的模式，不仅注意到记忆丧失等阿尔茨海默病典型症状，还发现皮肤溃疡和心律不齐等非典型体征，这些可能指向隐性病例。
与旧模型相比，该AI工具表现显著更优。在白人、非裔、西班牙裔和东亚患者群体中，其成功率达到77%至81%，而旧模型仅为39%至53%。
为验证工具准确性，研究人员还检查了基因数据。该工具预测可能患病的人群携带更多已知阿尔茨海默病相关基因，如APOE ε4基因，这进一步证实了工具能发现真实存在的隐性病例。
张博士表示，该AI工具可帮助医生更早标记高风险患者，使其获得及时检测或治疗。鉴于早期治疗和生活方式调整能延缓疾病进展，这一突破至关重要。研究团队计划在其他医疗系统中测试该工具，确保其适用于不同地区和人群。
这款AI工具有潜力缩小阿尔茨海默病诊断差距，尤其能帮助那些常得不到必要医疗照护的人群。通过确保工具对所有人群的公平性和准确性，可让更多人获得早期干预机会。
【全文结束】
