结果|JAMA子刊：阿尔茨海默病早筛大突破！科学家开发AI模型，常规检测结果预测2年内AD确诊风险，准确率高达91%丨临床大发现风险|阿尔茨海默病|预测出|准

奇点糕先私心给大家墙裂推荐一部有关AI的犯罪题材美剧，《疑犯追踪》，首播至今正好十年。
剧情大致就是，一个超级AI能够通过调用每个角落的图像、音频等监测数据并进行整合，预测出某时某刻某地某人的行动，从而用“上帝视角”指引主角团以及国家字母机构将犯罪扼杀于摇篮。令人动容的不仅是主角团之间的温情等，还有超级AI的内心成长历程，一点也不虐。

文章图片

当然，人工智能是个很宽泛的概念，除了在影视剧、文学作品中展示炫酷的一面，人工智能现在已经广泛应用于工程、科学领域，甚至临床应用中，突破我们人类的思维、能力困境。
近日，一篇发表在 JAMA Network Open 期刊上的文章发现，运用好人工智能不仅可以用来预测犯罪动机、猜透我们的小心思，还能简单、精准地预测认知功能障碍的老大难——阿尔茨海默病（AD）的患病风险。
来自英国埃克塞特大学的David J. Llewellyn和他的同事们，基于15307人的数据开发了新的AI模型。仅需患者的记忆力、独立性、认知测试结果等6种常规病理报告，就能以91%的准确率预测未来2年内的AD风险， ROC曲线下方的面积（AUC）高达0.89 ，这突破了AI模型用于AD临床诊断的局限；同时还能降低82%的误诊率[1] 。

文章图片

论文首页截图
AD发病机制极其复杂，可从记忆减退发展至丧失身体机能，对家庭和社会造成极重的负担。而目前的AD药物还无法完全治愈患者，只能延缓疾病进展、维持生活功能等。所以， AD的早发现早治疗显得尤为重要。
但已有的临床筛查模型多用于评估初诊后中、长期的AD患病风险。比如Miia Kivipelto 等人开发的CAIDE模型[2]、Deborah E. Barnes等人开发的BDSI模型[3] ，分别能够预测未来20年、6年内的AD风险，当预测短时期内的AD风险时，还是差些事。
既然人类自己不好解决，为何不留给AI试试呢？
已有研究开发用于预测AD风险的AI模型[4-8] ，但这些AI模型大多需要高级神经影像学、基因检测、脑脊液生物标志物等非常规病理报告作为分析数据，在临床诊断上具有局限性。

文章图片

我们点亮的是自己的认知，还是AI的认知？
于是， Llewellyn和他的同事们试图开发一种新的AI模型，填补当前AD诊断上的缺口。
他们先是从美国国家阿尔茨海默病协调中心（NACC）获取了在2005-2015年期间进行初诊，但尚未患有痴呆的受诊人员数据。共纳入15307人，平均年龄72.3岁，女性占60% 。
经随访发现，其中10%的人（n=1568）在初诊2年内患上不同痴呆亚型，包括AD（n=1285）、路易体痴呆（n=82）、血管性痴呆（n=21）以及其他未归类痴呆亚型（n=180）。
【结果|JAMA子刊：阿尔茨海默病早筛大突破！科学家开发AI模型，常规检测结果预测2年内AD确诊风险，准确率高达91%丨临床大发现】随后，研究者们对四种AI模型的预测效果进行了评估。这些AI模型分别基于四种机器学习算法——逻辑回归（LR），支持向量机（SVM），随机森林（RF）以及梯度提升树（XGB）。
结果显示，通过对患者在初诊时的家族史、病史、药物史等 256种临床病理数据进行整合，这四种AI模型的诊断性能相近，与CAIDE模型、BDSI 模型相比，都能够更加准确地预测未来2年内的AD风险。尤其是基于XGB的AI模型，准确率达92% ， AUC达0.92 。