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( 二 ) 风险|阿尔茨海默病|预测出|准

文章图片

这四种AI模型之间性能相似，且都优于已有的CAIDE和BDSI模型

文章图片

（LBD：路易体痴呆；VaD：血管性痴呆）
但此时研究者们还不满足。 AI模型往往需要大量、不同的数据来支撑，这也是开头提到的AI模型在临床应用上的限制。那么这四种AI模型能否“轻装上阵” ，仅用少量且常规的病理报告就精准完成预测呢？
他们发现，即使仅提供患者的6种常规病理报告数据（临床医生诊断、心理测试完成时间、方向感、记忆力、独立性以及特定生活方式），基于LR的AI模型和基于XGB的AI模型仍可发挥良好的诊断性能，准确度均可达到91% ， AUC达到0.89 。
有趣的是，在这些2年后被诊断为痴呆的患者中，有8%的人（n=130）在确诊后被发现是误诊。而研究者们发现，基于LR的AI模型，能够将误诊率降低84% 。

文章图片

e Table 4：6种常规病理报告
e Table 5：基于LR或SVM的AI模型的各项性能仍良好
总体来说， Llewellyn和他的同事们基于15307人的数据，成功利用新的AI模型准确预测出未来2年内的AD患病风险。
而且仅需患者的临床医生诊断、心理测试完成时间、方向感、记忆力、独立性以及特定生活方式这6种常规病理报告，就可达到91%的准确率， AUC达0.89 ，突破了AI模型用于AD临床诊断的局限性，并将误诊率降低84% 。
奇点糕不禁感叹一下，人类的技术提升+整活能力，使得人工智能在生活中的应用越来越广。人类学习知识、提高自身认知水平创造AI ，再让AI通过机器学习来预测人类认知功能的退化，妙啊~
参考文献：
[3] Barnes DE. et al. Development and validation of a brief dementia screening indicator for primary care. Alzheimers Dement. 2014;10(6):656-665.e1. doi:10.1016/j.jalz.2013.11.006
[4] Cui Y, Liu B, Luo S, et al; Alzheimer’s Disease Neuroimaging Initiative. Identification of conversion from mild cognitive impairment to Alzheimer’s disease using multivariate predictors. PLoS One. 2011;6(7):e21896. doi:10.1371/journal.pone.0021896
[5]Lin M, Gong P, Yang T, Ye J, Albin RL, Dodge HH. Big data analytical approaches to the NACC dataset: aiding preclinical trial enrichment. Alzheimer Dis Assoc Disord. 2018;32(1):18-27. doi:10.1097/WAD.0000000000000228
[8]Burgos N, Colliot O. Machine learning for classification and prediction of brain diseases: recent advances and upcoming challenges. Curr Opin Neurol. 2020;33(4):439-450. doi:10.1097/WCO.0000000000000838
本文作者 | 张艾迪