IBM通過機器學習診斷阿爾茨海默症

3月12日消息，據美國IT網站ZDNet報道，IBM已將機器學習(ML)引入診斷領域，希望有一天這些技術可以對早發性阿爾茨海默症進行穩定而有效的診斷。

日前，這家科技巨頭表示機器學習和人工智慧可以被用來取代對身體侵入性很強並且昂貴的疾病檢測。IBM澳大利亞團隊的這項研究成果已在《Scientific Reports》 (科學報告) 上發表。

打開今日頭條，查看更多圖片

阿爾茨海默症目前無法治癒，只能通過藥物治療緩解。該疾病的癥狀包括記憶力減退、記憶混亂以及難以完成曾經熟悉的日常工作。早期診斷疾病可以幫助患者及其家人做好準備，也會非常利於醫生儘早給出相關的治療建議。

然而，現在確診該疾病的方式不僅昂貴而且極具侵入性，包括在脊髓液中尋找特定生物標記物，這需要對腰椎穿刺，會導致疼痛和出血。

雖然沒有治癒方法，但是在不需要進行侵入性檢查的情況下，開發早期檢測疾病的方法可以證明是新一波臨床試驗的催化劑。

根據IBM的說法，機器學習將有助於縮小早期檢測和臨床試驗之間的差距。

這種技術的使用取決於開發一種測試β-澱粉樣蛋白的方法，β-澱粉樣蛋白是一種在脊髓液中發現的肽。研究表明，脊髓液中的β-澱粉樣蛋白濃度在阿爾茲海默症癥狀出現之前就會開始變化。

IBM的研究描述了一種利用機器學習來預測脊髓液中β-澱粉樣蛋白濃度的方法，該方法基於能夠識別血液中蛋白質組的演算法。

該論文記錄了基於機器學習的模型，這些模型可能在某一天能夠通過簡單的血液檢測就能夠判斷出有輕微認知障礙癥狀的患者患上阿爾茨海默症的風險。研究小組認為，機器學習模型預測未來患病風險的準確率可高達77%。

通過這種機器學習開發的模型或將為新形式的阿爾茨海默症檢測提供框架，從而代替腰椎穿刺，加快診斷速度並大大降低現有診斷方式的成本和侵入性。

目前，該模型仍處於早期階段，在機器學習準備進入認知疾病的診斷領域之前還有很長的路要走。不過，IBM團隊表示，為該研究開發的機器學習演算法也可以擴展到其他基於脊髓液生物標記物的檢測，這不僅適用於阿爾茨海默症，還適用於其他疾病。

隨著人類平均壽命的逐漸變長，阿爾茨海默症的影響在全球迅速擴大。該病主要表現為漸進性記憶障礙、人格改變及語言障礙等神經精神癥狀，嚴重影響患者社交及日常生活質量。因此，進行早期診斷和干預對於延緩阿爾茨海默症的發生、發展，減輕家庭、社會醫療負擔具有重要意義。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！