当初级保健医生为患者进行年度体检时，人工智能模型正同步分析患者的语音模式以识别认知障碍迹象。根据发表在《美国医学会神经病学杂志》的一项最新可行性研究，此类筛查可能在今后几年内成为现实。
研究人员测试了机器学习算法通过分析对话语音模式识别潜在痴呆症或阿尔茨海默病警示信号的效果——其中一种模型准确识别出约30%存在认知障碍的患者。
领导该研究的纽约西奈山伊坎医学院博士后研究员约瑟夫·科洛内尔（Joseph Colonel）博士表示："生成临床记录的同时，我们的算法所需信息已通过监听对话完成采集。所有环节就绪后，患者病历中可自动生成风险评分，提示医生考虑对该患者进行认知障碍筛查。"
包括阿尔茨海默病在内的认知障碍影响近20%的65岁以上成年人，但许多病例常未被诊断。初级保健医生处于筛查此类问题的独特位置，科洛内尔及其团队正尝试用人工智能工具实现这一目标。
在这项可行性研究中，研究团队于2020至2021年间从五家初级保健诊所招募了近1000名55岁以上无认知障碍史患者（平均年龄67.2岁；55%为女性，35%为黑人）。其中纽约患者（787名）用于训练人工智能模型，芝加哥患者（179名）用于验证模型有效性。
患者与医生在问诊期间佩戴领夹式麦克风，累计收集近400小时录音音频。机器学习模型通过检测语速、停顿次数、语调及患者反应速度进行训练。
问诊结束后，患者接受痴呆症认知评估，结果显示两组中各有21%的参与者存在未确诊的认知障碍。
使用降噪音频时，人工智能模型在30.4%（95%置信区间28.7%-32.1%）的病例中成功预测认知障碍，灵敏度达68.2%（95%置信区间61.8%-74.6%），特异度为63.6%（95%置信区间59.8%-67.4%）。
梅奥诊所（明尼苏达州罗切斯特）言语病理学助理教授加布里埃拉·米德（Gabriela Meade）博士与神经科医生雨果·博塔（Hugo Botha）医学博士在同期配发的社论中指出："若技术成熟，该方法将显著改变认知衰退的检测时机与方式。"
圣路易斯华盛顿大学医学院老年初级保健主任埃莉·菲什拜因（Ellie Fishbein）医学博士表示，概念验证结果令人鼓舞。她补充道："许多初级保健诊所已将环境技术用作记录员，我期待优化现有工具以最大化数据提取价值。"
科洛内尔强调，由于技术快速迭代且难以预测，临床应用路径尚未明确。过早部署可能带来风险——假阳性结果将引发侵入性后续检查及患者严重焦虑。
菲什拜因警告："这仅是开启漫长且情绪化的诊疗流程的起点，可能耗费大量时间并给患者及其家人带来情感冲击。我期待看到后续研究如何将其塑造成真正提升生活质量的实用工具。"
本研究由美国国家老龄化研究所资助。科洛内尔与菲什拜因声明不存在相关财务利益冲突。
Kelsey Mesmer博士是圣路易斯大学的自由撰稿记者及新闻学教授。
【全文结束】