英國劍橋大學的科學家開發出了一種人工智能工具，能夠在超過 80% 的情況下準確預測早期癡呆癥患者病情發展為阿爾茨海默病的可能性。研究團隊表示，這一新方法可以減少侵入性、昂貴的診斷測試的需求，同時在疾病早期階段改善治療效果，增加干預措施（如生活方式改變或新藥）發揮作用的機會。
據IT之家了解，全球有超過 5500 萬人患癡呆癥，其中 60-80% 的類型就是阿爾茨海默病，每年造成 8200 億美元的經濟損失。預計未來 50 年，癡呆病例數將增加近兩倍。
早期檢測對于阿爾茨海默病至關重要，因為此時治療效果最佳。然而，如果沒有侵入性或昂貴的檢查（如正電子發射斷層掃描（PET）或腰椎穿刺），早期癡呆癥的診斷和預后可能不準確，而這些檢查并非所有記憶障礙診所都能提供。因此，多達三分之一的患者可能被誤診，其他患者則可能在治療有效期過后才被診斷出來。
劍橋大學心理學系領導的一個團隊開發了一種機器學習模型，能夠預測患有輕度記憶和思維問題的個體是否以及以多快的速度發展為阿爾茨海默病。該團隊在發表在《電子臨床醫學》雜志上的研究中表明，該模型比目前的臨床診斷工具更準確。
基于美國研究小組收集的 400 名大腦灰質萎縮患者的認知測試和核磁共振掃描數據，研究團隊利用機器學習算法建立了一個 AI 預測模型，并使用英國、新加坡等多個診所的真實世界數據測試該模型。
測試結果顯示，該模型識別三年內會患上阿爾茨海默病的人的準確率達 82%，識別三年內不會患上阿爾茨海默病的人的準確率達 81%。
該算法在預測阿爾茨海默病進展方面的準確率是當前標準護理（即標準臨床標志物，如灰質萎縮或認知評分）或臨床診斷的三倍左右，這表明該模型可以顯著減少誤診。
未來，研究團隊希望將該模型擴展到預測其他類型的癡呆癥，如血管性癡呆和額顳葉癡呆，并使用不同類型數據，如血液檢測中的標記物等。
