全世界大约有4400万人患有阿尔茨海默氏症(AD)或与之相关的痴呆症。尽管82%的美国老年人表示，检查他们的思维或记忆很重要，但只有16%的人表示他们定期接受认知评估。
许多传统的记忆评估工具被健康专业人员广泛使用，尽管在筛查和检测准确性和可靠性方面的不足仍然普遍存在。但即使有越来越受欢迎的MemTrax仪器(一种使用图像识别的非常简单的在线记忆测试)，这种新方法作为记忆功能筛查工具的临床疗效还没有得到充分的证明或验证。在实践中，对记忆评估测试结果的解释有许多综合而复杂的因素需要考虑，这对临床医生来说是一个真正的挑战。所有这些因素都是适当解决日益增长和广泛流行的AD和那些受该疾病影响的人的集体障碍。
人工智能可以成为测试和管理这种复杂人类健康状况的解决方案吗?佛罗里达大西洋大学(Florida Atlantic University)工程与计算机科学学院(College of Engineering and Computer Science)、SIVOTEC Analytics、HAPPYneuron、MemTrax和斯坦福大学医学院(Stanford University School of Medicine)的一组研究人员认为是这样，并将他们的理论付诸实践。研究人员采用了监督机器学习和预测模型的新应用，以证明和验证MemTrax作为评估认知障碍的临床决策支持筛选工具的横断面效用。研究结果将监督机器学习作为一种现代方法和新的增值补充工具，用于认知脑健康评估和相关的患者护理和管理。
广告
广告
研究结果表明，作为在线连续识别任务(M-CRT)测试的一部分，MemTrax在筛查认知脑健康变化方面具有潜在的有效临床效用。值得注意的是,对轻度认知损害的评估强调了这种新的在线工具和方法在评估短期记忆的能力和潜力，在诊断支持各种临床条件下的认知筛查和评估障碍包括痴呆。“机器学习具有内在的能力，可以从大量复杂的相互依赖的临床决定因素中揭示有意义的模式和见解，并能够继续从实用预测模型的持续效用中‘学习’，”合著者、FAU计算机、电气工程和计算机科学系摩托罗拉教授Taghi Khoshgoftaar博士说。“无缝使用和实时解读将通过创新技术和可开发为手持设备和应用程序的实用和易于使用的集成临床应用程序，加强病例管理和患者护理。”
在这项研究中，研究人员使用了HAPPYneuron现有的数据集(18395)。他们检查了一般健康筛查问题(涉及记忆力、睡眠质量、药物和影响思维的医疗条件)的答案，人口统计学信息，以及从接受了MemTrax (M-CRT)测试的成年人样本中获得的情景记忆筛查结果。MemTrax表现和参与者特征被用作独立属性:真实阳性/阴性、反应百分比/正确率、反应时间、年龄、性别和最近饮酒情况。对于预测建模，他们使用人口统计信息和测试分数，以筛选问题为基础，预测健康相关问题(是/否)和一般健康状况(健康/不健康)的二元分类。SIVOTEC Analytics的资深作者、开发和应用高级副总裁Michael F. Bergeron博士说:“我们的研究结果为推进阿尔茨海默病等非常复杂的疾病的临床管理方法提供了重要的一步。”“通过分析人类系统多个领域的广泛属性和大脑健康的功能行为，知情和战略导向的高级数据挖掘、监督机器学习和健壮的分析可以是不可或缺的，事实上是必要的，让医护人员能够检测并预测这种疾病和其他认知障碍的进一步发展。”
阿尔茨海默病是美国第六大死因，影响580万美国人。据阿尔茨海默氏症协会预测，到2050年，这一数字将上升到1400万。2019年，阿尔茨海默病和其他痴呆症将耗费美国2900亿美元。到2050年，这些成本可能高达1.1万亿美元。FAU工程与计算机科学学院院长Stella Batalama博士说:“随着阿尔茨海默病的广泛流行，发病率和公共卫生负担的不断增加，确保临床医生用于检测和管理阿尔茨海默病和其他相关认知疾病的工具是最佳的是势在必行的。”“这项重要研究的结果提供了新的见解和发现，为未来有影响力和有意义的研究奠定了基础。”
来源:佛罗里达大西洋大学
