人工智能可以在发病前七年预测阿尔茨海默病，准确率为70%：研究

根据美国国家卫生研究所最近的研究，一种新的人工智能系统可以在首次出现症状前七年预测阿尔茨海默病，这可能为早期治疗打开了大门。

研究发现，使用患者过去的医疗记录作为数据输入来训练机器学习系统，人工智能模型在七年后预测阿尔茨海默病的准确率为70%，在诊断前一天预测准确率为80%。事实上，当研究人员添加出生年份、性别、种族和种族等基本人口统计细节时，其预测准确率提高到90%。

该研究指出：“在过去的几十年里，电子健康记录已经成为丰富的数据来源，可以用来了解和预测复杂的疾病，特别是阿尔茨海默病。”。研究人员利用先前的研究，使用健康记录来跟踪阿尔茨海默氏症的发展，以及根据临床数据对痴呆症诊断进行分类或预测的模型。

研究人员写道：“神经退行性疾病具有毁灭性、异质性和诊断挑战性，预计其在老龄化人群中的负担将继续增加。其中，阿尔茨海默病是65岁后最常见的痴呆症，其标志性的记忆丧失和其他认知症状对患者和护理人员来说代价高昂，负担沉重。”。

为了进行这项研究，加州大学旧金山分校的研究人员从其1980年至2021年收集的数百万人的庞大医疗记录数据库中汇编了超过25万人的临床数据。其中近3000名患者被诊断为阿尔茨海默氏症。

人工智能模型是在70%的患者记录上进行训练的，其中包括阿尔茨海默病患者和对照组——未被诊断出患有阿尔茨海默病的人。总患者记录的剩余30%被“保存”用于研究的评估部分。

人工智能能够高度准确地预测阿尔茨海默氏症的发作。

研究人员写道：“这些发现可能支持了阿尔茨海默病可能与一般衰老或虚弱有关的假设，这些衰老或虚弱可能在阿尔茨海默病之前或同时出现在非神经系统身体系统中。此外，对这些模型的解释可以识别出可能导致疾病异质性或共同导致阿尔茨海默病风险的高阶预测因素组。”

具体而言，研究中提到的一些导致阿尔茨海默病风险的早期预测因素包括血液中胆固醇和其他脂肪含量高、充血性心力衰竭、头晕、白内障和骨关节软骨退化。

也许最令人惊讶的发现之一是将骨质疏松症确定为阿尔茨海默病风险的女性特异性预测因素。

“在加州大学数据发现平台中，与匹配的未暴露个体相比，暴露于骨质疏松症的个体……表现出更快的阿尔茨海默病进展，”研究指出，“当按性别分层时，当比较患有骨质疏松症女性个体……与女性对照时，这种进展是显著的。”

这种水平的预测能力可能会改变对抗阿尔茨海默病的游戏规则，目前阿尔茨海默病还没有治愈方法。为潜在的阿尔茨海默氏症患者提供多年的准备时间，可能会带来新的方法来减缓或阻止疾病，以免其造成不可逆转的损害。

首席研究员没有回应Decrypt的置评请求。

由Ryan Ozawa编辑。