每年有一千万新的痴呆症病例被确诊，但诊断不同类型的痴呆症和重叠症状可能会使治疗变得复杂。研究人员现在创造了一种能够诊断十种不同类型痴呆症的人工智能工具，包括血管性痴呆、路易体痴呆和额颞叶痴呆，即使它们共存。
研究人员开发了一种机器学习（ML）模型，能够准确识别特定导致痴呆症的病理，使用常规收集的临床数据，如人口统计信息、患者及其家族的病史、药物使用、神经学和神经心理学检查得分，以及如MRI扫描等神经影像数据。这些研究结果已在线发表在自然医学上。
通讯作者Vijaya B. Kolachalama博士，FAHA，波士顿大学乔巴尼安与阿维德西安医学院的副教授表示：“我们的人工智能工具利用常规收集的临床数据实现痴呆的差异诊断，显示出其作为阿尔茨海默病（AD）和相关痴呆症的可扩展诊断工具的潜力。” Kolachalama强调了利用常规临床数据生成诊断的重要性，因为在偏远地区和城市医疗中心获取金标准测试存在挑战。
在这项研究中，ML模型基于来自九个全球数据集的超过50,000名个体的数据进行训练，并在区分痴呆症类型的接收器操作特征（ROC）曲线下面积上达到了0.96的优秀成绩。ROC分数范围从0到1，0.5表示随机猜测，1表示完美表现。
研究人员比较了神经科医生和神经放射科医生单独工作与使用人工智能工具的表现。他们发现，人工智能工具在所有十种痴呆症中提高了神经科医生的准确性超过26%。在一次包含100个随机选择案例的测试中，12名神经科医生提供的诊断和信心分数范围从0到100，然后与人工智能工具的概率分数相结合，生成了人工智能增强的神经科医生得分。
Kolachalama强调了人工智能在支持医疗系统方面的潜力，通过帮助早期识别疾病和改善患者管理。鉴于痴呆病例的日益增加，研究人员认为这项人工智能工具可以促进精确诊断，并满足对痴呆护理中针对性治疗干预日益增长的需求。
这个研究项目获得了多个资助的支持，包括来自凯伦·托夫勒慈善信托、国家衰老研究所的人工智能和技术合作中心、美国心脏协会、盖茨风险投资和国家卫生研究院的资助。
