新算法可以识别阿尔茨海默病前期的大脑变化，准确率超过 99%

人工智能算法被证明有益的最重要方式之一是比人类更快地诊断疾病，一种用于检测阿尔茨海默氏症潜在指标的新系统已达到接近 100% 的准确度。

通过对 138 人的 fMRI 脑部扫描图像进行分析，新算法的准确率达到了 99% 以上。研究人员报告说，它在准确性、灵敏度和特异性方面比现有方法表现更好。

特别是，该方法能够找出轻度认知障碍或 MCI 的迹象，这是认知能力下降和阿尔茨海默氏症之间的一步。通常，MCI 不会出现任何可以发现的身体症状。

然而，同样重要的是要注意 MCI 并不总是意味着阿尔茨海默氏症，但它是未来该疾病的重要潜在指标。

虽然可以手动分析 MRI 扫描的 MCI 迹象，但人类远不及深度学习技术那么快或可靠，深度学习技术从大量训练数据数据库中学习，然后以智能方式将这些知识应用于新数据。

“现代信号处理允许将图像处理委托给机器，机器可以更快、更准确地完成它，”立陶宛考纳斯理工大学 (KTU) 的信息学教授Rytis Maskeliūnas 说。

“当然，我们不敢建议医疗专业人员应该 100% 依赖任何算法。将机器想象成一个机器人，能够完成最繁琐的数据排序和特征搜索任务。”

一旦计算机软件突出显示了潜在病例，专家就可以对其进行审查和确认。更早的诊断意味着更早的治疗，即使我们还没有找到完全阻止阿尔茨海默氏症的方法。

这项新研究中概述的 AI 模型基于现有的ResNet18神经网络。修改后的系统能够将大脑扫描分为六类，从健康到阿尔茨海默病的完全表现。

“虽然这不是第一次尝试根据类似数据诊断早发性阿尔茨海默病，但我们的主要突破是算法的准确性，” Maskeliūnas 说。

“显然，如此高的数字并不是真实生活表现的指标，但我们正在与医疗机构合作以获取更多数据。”

目前有多种方法用于检测阿尔茨海默氏症，包括眼动追踪、语音分析，甚至在人们家中安装传感器，但这项新研究中概述的人工智能方法有望更快、更简单。

超过 78,000 次fMRI 扫描被用于训练和验证模型并达到高准确率，研究人员表示，他们的模型最终可用于开发包含年龄和血压等其他数据的软件。

阿尔茨海默病是世界上最常见的痴呆症病因，约占全球病例的 70%。目前认为全球约有 2400 万人受到影响，随着社会老龄化，这一数字预计将急剧上升。

“全世界的医疗专业人员都试图提高人们对早期阿尔茨海默氏症诊断的认识，这为受影响的人提供了更好的从治疗中受益的机会，” Maskeliūnas 说。