阻击阿尔兹海默AI可以诊断痴呆症了

人工智能正在医疗健康领域产生前所未有的积极影响，尤其是诊断和治疗失智（也称痴呆症Dementia）这种目前尚无有效治愈办法的疾病。

目前，全球超过万人患有痴呆症，且每年新增近万例。痴呆症最常见的类型是阿尔茨海默病，占所有病例的60%-70%。

在全球范围内，仅年，痴呆症就带来了1.3万亿美元的医疗保健成本花费。

心理成本甚至更高。患有这种疾病可能会引发抑郁和焦虑，更不用说亲眼看到亲人“消失”时那种难以形容的情感影响了。

幸运的是，欧洲大学正在利用AI技术攻坚痴呆症。

预防阿尔茨海默症

剑桥大学的研究人员开发了一种机器学习模型，可以预测有轻度记忆和思维问题的人是否会患上阿尔茨海默症以及患上的速度。

该团队使用认知测试和MRI扫描建立了该模型，这些扫描样本来自于某美国研究小组的名灰质萎缩（即大脑神经细胞死亡）患者。

团队还使用来自英国和新加坡记忆专项门诊的名个人数据对该模型进行了测试。

该算法准确识别出三年内会患上阿尔茨海默病的人，以及不会患上阿尔茨海默病的人。

该算法也能够跟踪病症的发展速度，提供最合适的治疗方法，比如让病患可减少PET或腰椎穿刺等又昂贵又“遭罪”的检查方法。

早期痴呆症诊断

目前，AI也可以实现痴呆症的早期诊断——专门针对轻度认知障碍阶段（该阶段尚没有结构性脑缺陷），进行干预。

欧洲AI-Mind项目正在开发两种AI工具——AI-MindConnector和AI-MindPredictor。

Connector分析大脑图像，检测可能导致痴呆症的认知变化的早期迹象。Predictor则将这些数据与认知测试和血液分析相结合，评估患病风险，准确率高达95%以上。

这两种工具都可以集成到医疗云平台中，供专业人员使用。该项目致力于将诊断时间从2-5年缩短到1周。

追踪异常蛋白质团块

AI在对抗痴呆症方面的另一个作用是加深我们对体内蛋白质团块的了解。

通常，为了让身体正常运转，细胞内蛋白质和其他分子之间会发生数十亿次相互作用。但是，当这个过程出现异常时，蛋白质就会聚集在一起并发生故障，从而导致阿尔茨海默症等神经退行性疾病。

哥本哈根大学的研究人员开发了一种AI算法，可以在显微镜图像中发现十亿分之一米大小的蛋白质团块。

该算法还可以计算团块数量，按形状和大小对其进行分类，并监测它们的变化情况。科学家可以了解这些团块形成的原因，进而推动新药和新疗法的发现。

据该团队介绍，以前研究人员需要数周才能完成的过程，现在利用该工具只需几分钟即可自动完成。

目前，该机器学习算法模型已开源，供医疗专业人员免费使用。