人工智能预测症状出现前的痴呆症

想象一下，如果医生能够提前许多年确定谁可能患上痴呆症。这种预后能力将使患者及其家人有时间计划和管理治疗和护理。由于在麦吉尔大学进行的人工智能研究，这种预测能力很快就会被各地的临床医生所接受。

来自道格拉斯心理健康大学研究所的McGill转化神经影像实验室的科学家使用人工智能技术和大数据开发了一种能够在发病前两年识别痴呆症特征的算法，使用单个淀粉样蛋白PET扫描风险患者的大脑发展阿尔茨海默病。他们的研究结果发表在发表在" 衰老神经生物学 "杂志上的一项新研究中。

Pedro Rosa-Neto博士是该研究的联合主要作者，也是McGill神经病学和神经外科和精神病学系的副教授，他预计这项技术将改变医生管理患者的方式，并大大加快对阿尔茨海默病的治疗研究。

"通过使用这种工具，临床试验可能只关注在研究时间范围内进展为痴呆症的可能性更高的个体。这将大大降低进行这些研究所需的成本和时间，"Serge Gauthier博士补充说。 ，McGill的联合主要作者和神经病学与神经外科和精神病学教授。

淀粉样蛋白作为痴呆的生物标志物

科学家们早就知道，一种叫做淀粉样蛋白的蛋白质在患有轻度认知功能障碍(MCI)的患者的大脑中积聚，这种疾病常常导致痴呆。尽管淀粉样蛋白的积累在痴呆症症状出现之前数十年开始，但是这种蛋白质不能可靠地用作预测性生物标志物，因为并非所有MCI患者都患有阿尔茨海默病。

为了进行他们的研究，McGill研究人员利用阿尔茨海默病神经影像学倡议(ADNI)提供的数据，这是一项全球研究工作，参与的患者同意完成各种影像学和临床评估。

来自Rosa-Neto和Gauthier团队的计算机科学家Sulantha Mathotaarachchi使用来自ADNI数据库的MCI患者的数百个淀粉样蛋白PET扫描来训练团队的算法，以确定哪些患者在症状出现之前会发生痴呆症，准确率为84% 。目前正在研究寻找可以纳入算法的其他痴呆生物标志物，以提高软件的预测能力。

"这是大数据和开放科学如何为患者护理带来实实在在的好处的一个例子，"Rosa-Neto博士说，他也是麦吉尔大学老龄化研究中心主任。

虽然新的软件已经在线提供给科学家和学生，但在卫生当局认证之前，医生将无法在临床实践中使用该工具。为此，McGill团队目前正在进行进一步的测试，以验证不同患者队列中的算法，特别是那些并发症状如小中风的队列。