最近的研究結果對痴呆症的治療有廣泛的影響。由於過去幾十年來公共衛生的改善，全球有更多人活到了老年。痴呆症，特別是阿爾茨海默氏病，以及其他通常與衰老有關的發病率正因此而大幅上升。這可能會阻礙為有需要的個人提供及時治療的能力，特別是考慮到未來幾十年醫生短缺的預測。
根據波士頓大學醫學院（BUSM）研究人員最近的一項研究，計算技術（人工智能/AI）可能能夠幫助緩解與向老齡人口提供痴呆症護理相關的一些挑戰。
“即使在專門的神經科醫生或神經放射科醫生忙於直接提供診斷的情況下，可以預見，某種程度的自動化可以介入幫助，從而使醫生和他們的病人能夠制定相應的治療計劃，”通訊作者Vijaya B．Kolachalama, Ph.D., FAHA, BUSM的醫學助理教授。
研究人員的研究結果發表在《自然通訊》雜誌上。
過去的研究表明，人工智能模型能夠以簡單的方式在”有病”和”無病”之間做出選擇，但這並不是臨床醫生治療病人的方式。相反，他們必須考慮到所有可能影響他們診所病人的潛在條件，取決於運用體格檢查、神經心理學測試、實驗室結果和影像學建立一個獨特的簽名以鞏固診斷。在Kolachalama看來，這項研究更符合這種”真實世界”的情況，因為它使計算機能夠鎖定病人的實際病因，即使還有其他可能性。
“研究表明，當向一個模型提供可能疾病的廣泛鑒別診斷時，這是可以實現的。就背景而言，我們所熟知的’痴獃’可能是不同過程的結果；最常見的是阿爾茨海默氏症，但一個人精神狀態的慢性改變也可能發生在其他疾病中–從帕金森氏症到老年抑鬱症到營養缺乏症等等。”他補充說：”我們的研究是新穎的，因為與之前的工作不同，我們展示了一種計算策略，在這種多樣化的神經系統疾病中提供準確的診斷。”
研究人員設計了各種計算機模型，能夠消化在對疑似痴呆症患者進行典型檢查時可能收集到的大量數據，包括神經心理學和功能測試的結果、病史、體檢、人口統計學和核磁共振掃描。這些信息隨後被輸入到一個神經網絡中，然後對其進行訓練，以便從這組龐大的輸入中得出特定疾病的特徵。
使用機器學習的專門方法，他們能夠準確地找出他們的模型在診斷決策中使用的數據，包括重要的神經心理測試分數、實驗室價值和可能暗示某種特定疾病的體檢結果。然後，他們將這些相同的方法用於定位與痴呆症有關的MRI掃描，並發現被該模型標記為”重要”的位置與具有退行性組織變化的微觀證據的大腦區域相對應。
最後，一個國際醫生小組參加了與人工智能模型的”頭對頭”比較研究。專家和模型都有一組相同的病人，並被要求使用相同的信息來提供診斷，結果顯示專科醫生和計算機的準確性相似。
Kolachalama認為，計算策略可以幫助緩解在老齡人口中提供痴呆症護理的一些困難。”在病人可能無法接觸到專門的神經病學護理的情況下，我們的工作可以幫助填補空白，並將人們與關於他們的健康和他們所愛的人的福祉的及時信息聯繫起來。”