據估計，美國有570萬人患有阿爾茨海默病——最常見的痴呆症型別——預計到2050年，這一數字將增加一倍以上。早期診斷對於患者從為數不多的可用療法中獲益至關重要。但是，在患者 जीवित時，沒有哪一項單一的分析或掃描可以給出確診結果；相反，醫生必須進行大量的臨床和神經心理學測試。因此，人們對開發基於腦成像的人工智慧來識別阿爾茨海默病的興趣日益濃厚。
加州大學舊金山分校的研究人員現已成功訓練出一種人工智慧演算法，以識別阿爾茨海默病的早期跡象之一——腦部葡萄糖消耗減少——在正電子發射斷層掃描（PET）成像中。根據這項研究，該演算法在幾乎所有測試案例中都準確預測了最終的阿爾茨海默病診斷。
在PET成像中，將微量的放射性化合物攝入或注射到體內，產生代謝、迴圈和其他細胞活動的三維影像。研究合著者、加州大學舊金山分校的放射科醫生Jae Ho Sohn表示，PET非常適合作為人工智慧診斷工具，因為阿爾茨海默病會導致腦部代謝的細微變化，這些變化發生在神經組織開始退化前幾年。他指出，這些變化“放射科醫生很難發現”。
支援科學新聞事業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞事業 訂閱。透過購買訂閱，您將幫助確保未來繼續有關於塑造我們當今世界的發現和想法的具有影響力的報道。
該演算法在來自約1000名55歲及以上人群的2100張PET腦部影像上進行了訓練和測試。這些影像來自一項為期12年的研究，該研究跟蹤了最終將被診斷為阿爾茨海默病的人，以及那些有輕度記憶力下降和健康對照組的人。該演算法在90%的資料上進行了訓練，並在剩餘的10%的資料上進行了測試。然後，在一個來自40名監測了10年的患者的第二個獨立資料集上重新進行了測試。該演算法高度敏感，在第一個測試組中能夠識別出81%的患者，在第二個測試組中能夠識別出100%的患者，這些患者平均在六年後面臨阿爾茨海默病診斷。研究結果於二月份發表在《放射學》雜誌上。
該演算法基於“深度學習”，這是一種機器學習技術，它使用被程式設計為從示例中學習的人工神經網路。義大利國家研究委員會的物理學家Christian Salvatore說：“這是深度學習在阿爾茨海默病診斷中的首批有希望的初步應用之一”，他沒有參與這項研究。他說，“該模型在識別輕度或晚期”診斷的患者時表現非常好，但在最早階段發現它“仍然是該領域最關鍵的開放性問題之一”。
編者注（5/8/19）：此報道在釋出後進行了編輯，以替換一張描述無法完全確認的圖片。