研究人员表示，他们现在能够利用人工智能以接近93%的准确率预测阿尔茨海默病。
马萨诸塞州的伍斯特理工学院周四表示，超过800份脑部扫描帮助人工智能识别出大脑中预示最常见痴呆症开始的解剖学变化。
这些发现是建立在多年先前研究的基础之上，这些研究表明人工智能可以帮助发现阿尔茨海默病的早期风险因素、预测风险并识别未确诊的阿尔茨海默病患者。
能够利用人工智能更早地诊断阿尔茨海默病，可以为患者和医生赢得宝贵的时间来做好准备，并可能减缓疾病的进展。
该学院助理研究教授本杰明·尼弗在一份声明中解释道：“早期诊断阿尔茨海默病很困难，因为其症状可能被误认为是正常的衰老。然而，我们发现机器学习技术可以分析扫描中的大量数据，以识别细微的变化，并准确预测阿尔茨海默病及相关认知状态。”
这些核磁共振扫描采集自344名年龄在69岁至84岁之间的人，其中包括281份正常心理功能的扫描、332份轻度认知障碍的扫描以及202份阿尔茨海默病的扫描。
这些扫描涵盖了大脑近200个不同区域中的95个，并使用人工智能算法来预测患者的健康状况。
分析显示，阿尔茨海默病的首要预测因素之一是大脑体积损失，这发生在形成记忆的海马体、处理恐惧的杏仁核以及提供时间感的内嗅皮层中的脑细胞停止功能时。
研究指出，这一现象在年龄和性别上均成立，69至76岁的男性和女性都表现出右侧海马体的大脑体积损失。这表明该区域是早期诊断的重要部位。
研究还显示，大脑区域萎缩的方式因性别而异。女性的大脑体积损失发生在左颞中皮层，该区域参与语言和视觉感知。而在男性中，主要出现在右侧内嗅皮层。
研究人员认为，这可能是由于性激素的变化，包括女性雌激素和男性睾酮的减少。
尼弗表示，这些结论有助于改进未来的诊断和治疗方法。根据阿尔茨海默病协会的数据，美国有超过720万人患有阿尔茨海默病。
更多研究正在进行中，以揭示其他影响因素。
尼弗说：“这项研究的关键挑战是构建一个通用的机器学习模型，能够捕捉健康大脑与轻度认知障碍或阿尔茨海默病患者大脑之间的差异。”
【全文结束】