據(jù)外媒報道，癡呆癥的特征是大腦中不同類型的蛋白質堆積，這種堆積會損傷腦組織并導致認知能力下降。在阿爾茨海默病中，這些蛋白質包括β -淀粉樣蛋白，它們會形成“斑塊”并在神經(jīng)元之間聚集并影響它們的功能及會在神經(jīng)元內(nèi)部積累的tau蛋白。

大腦的分子和細胞變化通常會在任何癥狀出現(xiàn)之前的許多年就開始了。診斷癡呆癥可能需要數(shù)月甚至數(shù)年的時間。這通常需要兩到三次醫(yī)院檢查，包括一系列的CT、PET和MRI掃描以及侵入性腰椎穿刺。

由劍橋大學的Zoe Kourtzi教授和艾倫·圖靈研究所領導的一個團隊開發(fā)了一套可以在非常早期階段檢測患者癡呆癥的機器學習工具。通過對罹患阿爾茨海默氏癥的患者進行腦部掃描，他們的機器學習算法學會了發(fā)現(xiàn)大腦的結構變化。當結合標準記憶測試的結果時，該算法能夠提供一個預后評分--即個人患阿爾茨海默病的可能性。

對于那些表現(xiàn)出輕度認知障礙--記憶喪失的跡象或語言或視覺/空間感知問題--的患者來說，該算法在預測那些繼續(xù)發(fā)展為阿爾茨海默病的患者時的準確率高于80%。它還能預測他們的認知能力隨著時間的推移會以多快的速度下降。

劍橋大學心理學系的Kourtzi教授稱：“我們已經(jīng)訓練了機器學習算法，通過尋找大腦中灰質損失的模式來發(fā)現(xiàn)癡呆的早期跡象。當我們把這個和標準的記憶測試結合起來，我們可以預測一個人的認知能力下降的速度是慢還是快。我們甚至已經(jīng)能夠識別出一些尚未表現(xiàn)出任何癥狀但卻會發(fā)展成阿爾茨海默氏癥的患者。”

雖然該算法已被優(yōu)化以尋找阿爾茨海默病的跡象，但Kourtzi教授和同事們現(xiàn)在正在訓練它識別不同形式的癡呆癥，每種癡呆癥都有其特有的體積損失模式。

來自臨床神經(jīng)科學系的Timothy Rittman醫(yī)生是英國劍橋大學醫(yī)院NHS基金會信托的Addenbrooke醫(yī)院的顧問，他現(xiàn)在正在領導一項試驗以看看這種方法在臨床環(huán)境中是否有用。

“我們已經(jīng)證明了這種方法在研究環(huán)境中是有效的--我們現(xiàn)在需要在‘現(xiàn)實世界’環(huán)境中測試它，”Rittman博士解釋道。

截止到目前，約有80名患者參加了這項試驗，該試驗由劍橋大學、劍橋郡和彼得伯勒NHS基金會信托及布萊頓的兩個NHS信托組織進行。

Rittman博士指出，早期發(fā)現(xiàn)癡呆癥有幾個重要原因。“當患者開始出現(xiàn)記憶和認知問題時，這是一段非常艱難的時期，這是可以理解的。能提供準確的診斷，讓他們頭腦清楚，根據(jù)診斷結果，可以讓他們安心，同時還可以幫助他們和他們的親人做好長期準備。”

目前治療癡呆癥的藥物還非常少。臨床試驗經(jīng)常失敗的一個原因被認為是，一旦患者出現(xiàn)癥狀，可能就太晚了，從而無法做出重大改變。因此，在非常早期階段識別個體的能力可以幫助研究人員開發(fā)新的藥物。

如果試驗成功，該算法可以推廣到各地的數(shù)千名患者中。

Addenbrooke的病人Dennis Clark是美國國內(nèi)首批參加這項新試驗的人之一。在封鎖之前，這位75歲的退休銷售總監(jiān)和妻子Penny一起享受退休生活，他們?nèi)ザ燃?、遛兩條狗。但Penny很快注意到他開始健忘了。

“如果我讓他做什么，他會反其道而行之。然后當我們出去吃飯時--由于封鎖，我們很長時間都沒有出去吃飯--他都不記得怎么付錢了，”Penny說道。

當Dennis總是為自己的外表感到驕傲的時候，Penny決定打電話給家庭醫(yī)生尋求幫助，因為Dennis開始一遍又一遍地穿同樣的衣服。

“GP在電話里做了一個快速檢查，說Dennis需要轉診。我聽說Addenbrooke有一個非常全面的記憶單元，所以我真的很高興我們能被推薦到那里。我們進行了初步的咨詢并被問及是否想要繼續(xù)研究，這是我非常希望Dennis去做的，因為這不僅對他有幫助，也對其他人有幫助，”Penny回憶道。

Dennis接受了核磁共振掃描，當天晚些時候，他和Penny收到消息，他的結果符合早發(fā)性阿爾茨海默病。Dennis將開始服用藥物來幫助治療阿爾茨海默病的癥狀。

“我們非常感謝Addenbrooke并將推薦其他人也進行試驗。更快的診斷意味著Dennis將能開始藥物治療，這將有希望推遲他的疾病。這也意味著我們可以計劃未來并開始接受正在發(fā)生的事情。”

關鍵詞： 新AI工具 癡呆癥狀 檢測 研究所