梅奥诊所的研究人员开发出一种人工智能工具StateViewer，可以从单次脑扫描中准确识别九种类型的痴呆症。这项工具显著加快了诊断过程，即使在非专科医疗机构也能提高诊断的准确性。
根据近期发表在《Neurology》杂志上的一项研究，该工具甚至可以通过一次广泛可用的扫描识别阿尔茨海默病，标志着在实现早期、准确诊断方面迈出了重要一步。
使用StateViewer，研究人员在88%的情况下正确识别了存在的痴呆类型。此外，该AI工具使医生解读脑扫描的速度几乎提升至传统流程的两倍，准确性也提高了三倍。研究人员使用超过3600例脑扫描图像对AI进行了训练和测试，这些图像来自痴呆症患者和无认知问题的个体。
在痴呆护理领域，早期而精准地检测是最大的挑战之一，特别是当患者的症状源自多种重叠疾病时。早期预测对于将患者与合适的疗法匹配、提高治疗效果至关重要。像StateViewer这样的工具可能是一种将专家级诊断支持扩展到神经科资源有限的诊所的方式。
痴呆症的全球影响日益加剧
痴呆症目前影响着全球约5500万人，每年新增病例约1000万例。阿尔茨海默病是最常见的类型，目前是全球第五大死亡原因。
痴呆症的诊断通常包括认知测试、影像学检查、血液检测、访谈和专科评估。即便如此，即使是经验丰富的神经科医生，也很难区分阿尔茨海默病、路易体痴呆或额颞叶痴呆等类型。
StateViewer由梅奥诊所的神经科医生David Jones博士开发，他同时也是梅奥诊所神经学人工智能计划的主任。
“每一位走进我诊所的患者，都带着一个由大脑复杂性塑造的独特故事。这种复杂性吸引我投身神经学，并持续推动我对更清晰答案的追求。StateViewer正是这一承诺的体现——向更早的理解、更精准的治疗迈进，并最终改变这些疾病的进程。”
David Jones，梅奥诊所神经科医生
Jones博士与数据科学家Leland Barnard博士合作开发了该工具，后者领导了StateViewer的AI工程开发工作。
“在设计StateViewer的过程中，我们始终没有忘记，每一个数据点和脑扫描背后都是一个面临艰难诊断和迫切问题的人。看到这项工具如何为医生提供实时、精准的洞察和指导，凸显了机器学习在临床医学中的巨大潜力。”
Leland Barnard，梅奥诊所数据科学家
将大脑模式转化为临床洞察
该工具分析FDG-PET扫描图像，显示大脑如何利用葡萄糖作为能量来源。然后将其与一个大型数据库进行比对，该数据库包含已被确诊的痴呆症患者的扫描图像，从而识别出对应特定类型或组合痴呆症的模式。
不同类型的痴呆症对大脑的影响方式不同：阿尔茨海默病主要影响记忆和信息处理中枢；路易体痴呆影响注意力和运动相关区域；而额颞叶痴呆则影响控制语言、行为和社会互动的大脑区域。
StateViewer工具通过彩色编码的大脑图谱展示这些模式，突出显示大脑活动的重要区域。这些图谱为扫描图像提供了可视化解释，帮助医生（包括不具备神经学专业知识的医生）做出准确诊断。梅奥诊所的研究人员计划进一步扩展该工具的应用范围，并继续评估其在不同临床环境中的有效性。
【全文结束】
