近日，科学家成功地训练了一种新的人工智能算法，以准确预测导致阿尔茨海默病的认知能力下降症状。

据《2015年世界阿尔茨海默病报告》报道，全球约有4680万AD（阿尔茨海默病）患者，预计每20年患病人数将翻一倍，到2030年将达到7470万人，2050年更将突破1.3亿人。而我国也已逐步进入老龄化社会，目前中国老年人中痴呆的患者已经超过1000万，居世界首位，并且每年以增加30万以上的新发病例快速增长。

可是由于阿尔茨海默病起病隐匿，起病初期往往很难发现，常常到症状明显时才被重视，并且目前，这种疾病尚未有真正有效的治疗方法。

随着大多数潜在阿尔茨海默病治疗在人体试验阶段的失败，许多研究人员正在将方向从治愈转向预防，这可能是对抗阿尔茨海默病最有效的方法。因此，阿尔茨海默氏症和痴呆症研究人员面临的最大挑战之一是找到一种方法来准确地识别患有认知衰退早期症状的患者。

新的研究表明，人工智能可能是准确预测潜在阿尔茨海默病患者的关键。

“目前，治疗阿尔茨海默氏症的方法有限，因此预防手段就很重要。人工智能系统则可协助医生进行治疗。在人工智能准确预测情况下，人们可以及早改变生活方式，从而延迟阿尔茨海默氏症发作时期，甚至完全阻止它，“麦吉尔大学精神病学系助理教授Chakravarty说。

血液测试，PET扫描，眼睛测试，遗传学甚至嗅探测试是识别认知衰退早期症状的常见方法，但这些方法并不能做到完全准确地预测。一项新的研究表明，经过训练以评估各种诊断数据的AI算法可以有效地预测一个人是否处于疾病的早期阶段，以及他们是否可能在接下来的五年内显著恶化。

道格拉斯心理健康大学研究所的计算神经科学家Mallar Chakravarty博士和他的同事设计了一种特定的算法，使用人工智能技术和大数据开发了一种算法，通过磁共振成像（MRI），遗传学和临床数据学习，对有阿尔茨海默病风险的病人大脑进行单次淀粉样蛋白的PET扫描来完成识别，能够在痴呆症发病前两年准确识别出痴呆症的迹象。

该算法通过对来自800多名受试者的数据进行训练，并结合从MRI成像到基因型和临床信息的各种生物标记物。所研究的受试者包括健康的老年人和临床上具备明显阿尔茨海默病症的患者。其中一小部分受试者还提供了长达六年的个体临床信息数据，使算法能够对疾病进展的全面理解，这有助于系统更好地预测认知衰退的轨迹。

“我们目前正致力于使用新数据测试预测的准确性。它将帮助我们改进预测并确定我们是否可以延长预测期。”Chakravarty说。随着对更多的数据深度学习，科学家们将能够更好地识别导致阿尔茨海默病认知能力下降风险最大的人群。

在早期阶段，研究人员相信该算法是有作用的且准确的，随着更多数据被添加到算法中，再加上大量的患者训练，在未来人工智能系统有望成为临床医生对阿尔茨海默病预防性治疗的重要工具。

“通过使用这个工具，临床试验可以在研究的时间范围内聚焦于那些更容易发展为痴呆症的个体，这将大大降低进行这些研究所需的时间和成本。”麦吉尔神经病学与神经外科与精神病学教授Serge Gauthier博士认为。