計算機能診斷阿爾茲海默癥嗎？基于1000多人的研究發表

　　診斷阿爾茨海默病需要大量時間和金錢。在進行冗長的面對面神經心理學檢查后，臨床醫生必須詳細轉錄、審查和分析每個反應。但波士頓大學的研究人員已經開發出一種新工具，可以自動化該過程并最終使其在線移動。他們的機器學習驅動的計算模型可以從神經心理學測試的錄音中檢測認知障礙——無需親自預約。他們的研究結果發表在阿爾茨海默氏癥和癡呆癥：阿爾茨海默氏癥協會雜志上。

　　“這種方法讓我們離早期干預更近了一步，”該論文的合著者、波士頓大學工程學院杰出工程教授 Ioannis Paschalidis 說。他說，更快、更早地發現阿爾茨海默病可以推動更大規模的臨床試驗，這些試驗專注于處于疾病早期階段的個體，并有可能實現減緩認知衰退的臨床干預：早期接受篩查的人數。”

　　研究小組使用弗雷明漢心臟研究中 1,000 多人的神經心理學訪談錄音訓練了他們的模型，這是一個由 BU 領導的長期項目，旨在研究心血管疾病和其他生理狀況。使用自動在線語音識別工具——想想“嘿，谷歌！”——以及一種稱為自然語言處理的機器學習技術，可以幫助計算機理解文本，他們讓程序轉錄采訪內容，然后將它們編碼成數字。使用人口統計數據、文本編碼以及神經學家和神經心理學家的真實診斷，訓練最終模型以評估個人認知障礙的可能性和嚴重程度。

　　Paschalidis 說，該模型不僅能夠準確區分健康個體和癡呆癥患者，還能夠檢測輕度認知障礙和癡呆癥患者之間的差異。而且，事實證明，錄音的質量和人們說話的方式——無論他們的講話是輕描淡寫的還是一直斷斷續續的——不如他們所說的內容重要。

　　“令我們驚訝的是，語音流或其他音頻功能并不那么重要；你可以相當好地自動轉錄采訪，并依靠人工智能的文本分析來評估認知障礙，”Paschalidis 說，他也是 BU 的 Rafik B. Hariri 計算與計算科學與工程研究所的新主任。盡管該團隊仍需要根據其他數據來源驗證其結果，但研究結果表明，他們的工具可以支持臨床醫生使用錄音診斷認知障礙，包括來自虛擬或遠程醫療預約的錄音。

　　癥狀發作前篩查

　　該模型還可以深入了解神經心理學檢查的哪些部分在確定個人是否有認知障礙方面可能比其他部分更重要。研究人員的模型根據進行的臨床測試將考試成績單分成不同的部分。例如，他們發現波士頓命名測試——在此期間，臨床醫生要求個人用一個詞標記一張圖片——對于準確的癡呆診斷來說是最有用的信息。 “這可能使臨床醫生能夠以一種允許他們進行更多篩查的方式分配資源，甚至在癥狀出現之前，”Paschalidis 說。

　　癡呆的早期診斷不僅對于患者及其護理人員能夠制定有效的治療和支持計劃很重要，而且對于致力于減緩和預防阿爾茨海默病進展的療法的研究人員也至關重要。 “我們的模型可以幫助臨床醫生評估患者認知能力下降的機會，”Paschalidis 說，“然后通過對癡呆癥可能性較高的患者進行進一步測試，為他們量身定制資源。”