据估计，美国有570万人患有阿尔茨海默病——最常见的痴呆症类型——预计到2050年，这一数字将增加一倍以上。早期诊断对于患者从为数不多的可用疗法中获益至关重要。但是，在患者 जीवित时，没有哪一项单一的分析或扫描可以给出确诊结果；相反，医生必须进行大量的临床和神经心理学测试。因此，人们对开发基于脑成像的人工智能来识别阿尔茨海默病的兴趣日益浓厚。
加州大学旧金山分校的研究人员现已成功训练出一种人工智能算法，以识别阿尔茨海默病的早期迹象之一——脑部葡萄糖消耗减少——在正电子发射断层扫描（PET）成像中。根据这项研究，该算法在几乎所有测试案例中都准确预测了最终的阿尔茨海默病诊断。
在PET成像中，将微量的放射性化合物摄入或注射到体内，产生代谢、循环和其他细胞活动的三维图像。研究合著者、加州大学旧金山分校的放射科医生Jae Ho Sohn表示，PET非常适合作为人工智能诊断工具，因为阿尔茨海默病会导致脑部代谢的细微变化，这些变化发生在神经组织开始退化前几年。他指出，这些变化“放射科医生很难发现”。
支持科学新闻事业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业 订阅。通过购买订阅，您将帮助确保未来继续有关于塑造我们当今世界的发现和想法的具有影响力的报道。
该算法在来自约1000名55岁及以上人群的2100张PET脑部图像上进行了训练和测试。这些图像来自一项为期12年的研究，该研究跟踪了最终将被诊断为阿尔茨海默病的人，以及那些有轻度记忆力下降和健康对照组的人。该算法在90%的数据上进行了训练，并在剩余的10%的数据上进行了测试。然后，在一个来自40名监测了10年的患者的第二个独立数据集上重新进行了测试。该算法高度敏感，在第一个测试组中能够识别出81%的患者，在第二个测试组中能够识别出100%的患者，这些患者平均在六年后面临阿尔茨海默病诊断。研究结果于二月份发表在《放射学》杂志上。
该算法基于“深度学习”，这是一种机器学习技术，它使用被编程为从示例中学习的人工神经网络。意大利国家研究委员会的物理学家Christian Salvatore说：“这是深度学习在阿尔茨海默病诊断中的首批有希望的初步应用之一”，他没有参与这项研究。他说，“该模型在识别轻度或晚期”诊断的患者时表现非常好，但在最早阶段发现它“仍然是该领域最关键的开放性问题之一”。
编者注（5/8/19）：此报道在发布后进行了编辑，以替换一张描述无法完全确认的图片。