2021-12-27

JAMA Network Open | AI预测哪些人会在两年内患上痴呆症

原创 图灵基因 图灵基因 2021-12-27 07:03

收录于话题#前沿生物大数据分析

一项涉及15000多人数据的大规模研究发现，一种称为机器学习（ML）的人工智能（AI）能够以92%的准确率预测哪些参加记忆诊所的人会在两年内发展为痴呆症。这项由Exeter大学的科学家们进行的研究还表明，机器学习可以帮助减少可能被误诊为痴呆症的人数。

Exeter大学的研究员Janice Ranson博士说：“我们知道痴呆症是一种非常可怕的疾病。在记忆诊所中嵌入机器学习可以帮助确保诊断更加准确，减少错误诊断可能导致的不必要的痛苦。”Ranson是该团队在《JAMA Network Open》上发表的报告的合著者，该报告的标题为“Performance of Machine Learning Algorithms for Predicting Progression to Dementia in Memory Clinic Patients”。

许多在记忆诊所接受评估的患者在首次就诊时不会患有痴呆症，但能够区分将在临床相关时间段内继续发展为痴呆症的患者和将保持无痴呆症的患者的能力有助于优先考虑患者进行后续研究和干预，作者写道。然而，他们继续说道，“识别患有痴呆症的高风险患者对临床医生来说是一项挑战。”虽然现有的临床决策辅助工具可用于估计不同人群（例如中老年人）在6年或20年内患痴呆症的中长期风险，但作者指出，“据我们所知，还没有开发出临床决策辅助工具来在较短的临床相关时间内预测记忆诊所的痴呆症发病率。”

该团队继续说，机器学习可以利用来自非常大且复杂的数据集的信息，并已应用于痴呆症诊断和风险预测。然而，现有的模型通常使用诸如基因检测、神经成像或脑脊液中的生物标记物等信息，而这些信息在常规临床实践中通常不可用。在他们的研究中，Llewellyn及其同事调查了ML技术是否可以仅使用记忆临床数据来预测2年内痴呆症的发病率。研究人员分析了来自美国30个国家阿尔茨海默病协调中心记忆诊所网络的15307名参与者的数据，并使用机器学习算法找出数据中的隐藏模式，确定哪些人在两年内最有可能患上痴呆症。他们写道：“我们利用美国国家阿尔茨海默病协调中心（NACC）的记忆临床数据，研究了ML技术是否可以用于预测2年内痴呆症的发病率。”

参与者在研究开始时没有痴呆症，尽管许多人在记忆或其他大脑功能方面出现问题。在2005年至2015年的研究时间范围内，在2005年至2015年的研究时间范围内，十分之一的参与者（1568人）在访问记忆诊所的两年内得到了新的痴呆症诊断。研究发现，机器学习模型可以以高达92%的准确率预测这些新的痴呆症病例，比现有的两种替代研究方法准确得多。“与现有的两种痴呆症风险预测模型（即心血管风险因素、老龄化、痴呆症风险评分发生率以及简短的痴呆症筛查指标）相比，机器学习算法在预测2年内发生的全因痴呆症方面更具优势。”研究人员评论道。

科学家们还首次发现，大约8%（130）的痴呆症诊断似乎是错误的，因为他们的诊断随后被逆转。重要的是，机器学习模型准确地识别了80%以上的不一致诊断。这一发现表明，人工智能不仅可以准确预测谁将被诊断出患有痴呆症，而且还有可能提高这些诊断的准确性。“据我们所知，这是对NACC UDS中潜在误诊的首次分析，并表明使用ML作为临床决策辅助手段有可能减少高达84%的假阳性误诊。”研究小组表示。

重要的是，研究人员发现机器学习非常有效，它使用了临床上常规可用的患者信息，例如记忆和大脑功能、认知测试的表现以及特定的生活方式因素。他们写道：“对变量重要性的分析表明，机器学习算法只需要6个变量即可实现91%的准确率和至少0.89的曲线下面积。”该团队现在计划进行后续研究，以评估机器学习方法在临床中的实际应用，评估是否可以推广该方法以改善痴呆症的诊断、治疗和护理。

他们总结道：“这些发现表明，机器学习算法仅使用6个变量就可以准确预测在记忆诊所接受治疗的患者在2年内发生的痴呆症。这些发现可用于指导记忆诊所决策辅助工具的开发和验证。”

研究负责人、Exeter大学Alan Turing研究员David Llewellyn博士说：“我们现在能够教计算机准确预测谁将在两年内继续发展为痴呆症。我们也很高兴得知我们的机器学习方法能够识别可能被误诊的患者。这有可能减少临床实践中的猜测，并显著改善诊断途径，帮助家庭尽可能快速、准确地获得所需的支持。”

资助该研究的英国阿尔茨海默氏症研究中心的研究负责人Rosa Sancho博士评论说：“人工智能在改善导致痴呆症的疾病的早期检测方面具有巨大的潜力，并可能为关心自己或爱人出现症状的人带来革命性的诊断过程。这项技术是对现有替代方法的重大改进，可以为医生建议改变生活方式和确定可能从支持或深入评估中受益的人提供基础。”