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。
位于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的痴呆症形式——阿尔茨海默病开始的解剖结构变化。
这些发现是基于先前多年研究，该研究已表明人工智能有助于发现阿尔茨海默病的早期风险因素、预测患病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帮助诊断阿尔茨海默病，可以为患者和医生提供宝贵的时间来准备，并可能减缓疾病进展。
该学院的助理研究教授本杰明·尼夫在一份声明中解释说：“阿尔茨海默病的早期诊断可能很困难，因为其症状容易被误认为是正常衰老。然而，我们发现机器学习技术可以分析扫描中的大量数据，识别出细微的变化，并准确预测阿尔茨海默病及相关认知状态。”
这些核磁共振成像扫描采集自344名年龄在69至84岁之间的人，包括281份认知功能正常的扫描、332份轻度认知障碍的扫描和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，并利用人工智能算法来预测患者的健康状况。
分析显示，阿尔茨海默病的主要预测因素之一是脑容量损失，这发生在脑细胞停止功能时，尤其是在负责记忆形成的海马体、处理恐惧情绪的杏仁核以及提供时间感的内嗅皮层中。
这一发现在不同年龄和性别中均成立，69至76岁的男性和女性都表现出右侧海马体的脑容量损失。研究人员指出，这表明海马体是早期诊断的重要区域。
研究还表明，脑部区域萎缩的方式因性别而异。在女性中，脑容量损失主要发生在参与语言和视觉感知的左侧颞中皮层。在男性中，则主要见于右侧内嗅皮层。
研究人员认为，这可能与性激素的变化有关，包括女性雌激素的减少和男性睾酮的减少。
尼夫表示，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。
目前正在进行更多研究，以揭示其他影响因素。
尼夫说：“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】