JAMA Network Open: AI人工智能准确预测谁将在两年内患痴呆症

痴呆症实际上并不是指某种特定的疾病，而是用来描述一组症状的医学术语记忆、思维和社会能力下降。WHO据统计，世界上有5500多万痴呆症患者，每年增加近1000万例。痴呆症在世界十大死亡原因中排名第七，是老年人残疾和依赖他人的主要原因之一。

记忆丧失是痴呆症最常见的早期症状。如果能够更早地识别出可能发展为痴呆症的患者，将有助于优先考虑干预疾病进展的措施。然而，临床医生识别痴呆症高风险患者仍然是一个挑战。能否开发人工智能准确预测未来痴呆症患者的可能性？

近日，英国埃克塞特大学医学院的研究人员在JAMA子刊JAMANetworkOpen在线发表题为：PerformanceofMachineLearningAlgorithmsforPredictingProgressiontoDementiainMemoryClinicPatients研究论文。

本研究开发了一种机器学习的临床决策辅助工具，可以发现隐藏的检查数据模式，分析未来两年痴呆症的高危人群，并帮助降低痴呆症的临床误诊率。

对于痴呆症，有两种临床决策辅助工具来评估不同人群痴呆症的中长期发病率。其中，心血管风险因素、年龄和痴呆症（CardiovascularRiskFactors，Aging，andIncidenceofDementia，CAIDE）风险评分旨在预测20年后中年痴呆症的风险，并简要介绍痴呆症筛查指标（BriefDementiaScreeningIndicator，BDSI）它旨在预测6年后阿尔茨海默病的风险。

研究纳入了2005-2015阿尔茨海默病协调中心在美国30多个国家就诊（NationalAlzheimer’sCoordinatingCenter，NACC）15307名5307名患者是研究对象。虽然这些患者在记忆和大脑功能上有一些问题，但他们还没有患有痴呆症。研究人员学习机器（MachineLearning）痴呆症的诊断和风险预测首次在短暂的临床相关时期(2年)内实现了痴呆症发病率预测。

数据显示，在2005年至2015年的研究范围内，每10名记忆门诊患者中就有1名（1568名）在未来两年被诊断为痴呆症。机器学习可以有效地工作，使用临床常规提供的患者信息，如记忆和大脑功能、认知测试的表现和特定的生活方式因素。BDSI和CAIDE机器学习算法能更准确地预测这些新诊断的痴呆症病例，准确率高达92%。

研究人员还首次发现，大约8%（130人）的痴呆症诊断似乎是错误的，因为他们的诊断后来被推翻了。然而，机器学习模型可以在很大程度上识别这些不一致的诊断。这是正确的NACC统一数据集（UniformDataSet，UDS）该团队表示，机器学习作为临床决策的辅助工具，可能会减少84%的假阳性。

埃克塞特大学的研究员JaniceRanson博士补充说:"痴呆症是一种非常可怕的疾病。将机器学习嵌入记忆诊所有助于确保更准确的诊断，减少错误诊断可能造成的不必要的麻烦。"

该团队目前计划进行后续研究，以评估机器学习方法在临床实践中的实际使用，以评估它是否可以推广到改善痴呆症的诊断、治疗和护理。

原始出处：

CharlotteJames，etal.PerformanceofMachineLearningAlgorithmsforPredictingProgressiontoDementiainMemoryClinicPatients.JAMANetwOpen.2021；4(12)：e2136553.