據New Atlas報道，利用機器學習，研究人員已經開發了一種算法，可以從一次核磁共振掃描中準確診斷出阿爾茨海默病。該系統比醫生現有的任何診斷工具都更準確，還能區分早期疾病和晚期階段。
目前，醫生幾乎沒有可用於輕鬆診斷阿爾茨海默病的工具。除了認知測試，脊髓液可以測試與阿爾茨海默病有關的某些有毒蛋白質的水平，一些訓練有素的專家可以從大腦掃描中發現神經變性。但現在迫切需要一種簡單、更一致的方法來診斷這種毀滅性的疾病。而在這裡，研究人員已經轉向了機器學習技術。
利用核磁共振成像數據，新研究將大腦分為100多個不同的區域。然後在幾百名患者的數據集上訓練了一種算法，其中一些是阿爾茨海默病患者，一些是其他神經系統疾病患者，還有一些是健康對照組。
一旦訓練好了，該算法就被放在一組獨立的大腦掃描上進行測試，值得注意的是，它能夠以98%的準確率從健康受試者中檢測出那些阿爾茨海默病患者。更令人印象深刻的是，該算法可以將早期阿爾茨海默病的大腦與晚期掃描區分開來，準確率為79%。
有趣的是，由於該算法在整個大腦中尋找與阿爾茨海默病有關的小變化，因此發現了一些過去與阿爾茨海默病無關的區域。小腦和大腦腹側的變化是出乎意料的，該研究呼籲對阿爾茨海默病和這些大腦區域之間的關聯進行新的研究。
“儘管神經放射學家已經解釋了MRI掃描，以幫助診斷阿爾茨海默病，但掃描中很可能有一些特徵是不可見的，即使對專家來說也是如此，”從事該項目的倫敦帝國理工學院的研究人員Paresh Malhotra說。“使用一種能夠選擇大腦中受阿爾茨海默病影響的紋理和微妙結構特徵的算法，可以真正提高我們從標準成像技術中獲得的信息。”
與這項新研究無關的專家對這些發現持謹慎的樂觀態度。來自倫敦瑪麗女王大學的神經學家Charles Marshall說，這項新技術有可能徹底改變阿爾茨海默病的診斷，但在將其推廣到診所之前還需要更多現實世界的證明。
Marshall說：“為了讓患者受益，我們現在需要評估機器學習技術在真實世界的臨床環境中檢測阿爾茨海默病的效果如何，而不是使用精心策劃的研究數據。”
來自倫敦大學學院的Rob Howard則更謹慎一些。他認為新的發現很有趣，但他警告說，痴呆症的診斷讓患者深感不安，不可避免地需要更多的臨床工作，而不僅僅是一次大腦掃描。
Howard指出：“痴呆症的診斷是改變生活的，應該總是在考慮了病人的病史、臨床檢查和腦部掃描等測試結果後作出。過度依賴腦成像已被證明與痴呆症的誤診有關，我已經學會對那些告訴我他們的痴呆症是通過腦掃描診斷出來的病人保持謹慎。”
這項新研究的負責人Eric Aboagye說，這項新技術可以成為一種工具，幫助加快目前可能延續數月的診斷過程。這項新技術還可用於幫助研究人員更好地識別早期阿爾茨海默病患者，以進行測試新療法的臨床試驗。
Aboagye說：“如果我們能夠減少他們必須等待的時間，使診斷成為一個更簡單的過程，並減少一些不確定性，這將有很大的幫助。我們的新方法還可以為新藥物治療或生活方式改變的臨床試驗確定早期患者，這在目前是很難做到的。”
這項新研究發表在《Communications Medicine》雜誌上。