近(16)日，英國埃克塞特大學的研究人員，使用美國阿茲海默症協調中心(NACC)於30多國收集超過15,300多名參與者數據，開發出可預測2年內罹患失智症風險的AI演算法，研究發現此機器學習模型在預測失智症上準確率高達92%，還可對四種常見失智症進行分類。相關研究已發表在《JAMA Network Open》期刊上。
 
目前已有不少科學家投入失智症臨床決策輔助工具開發，以提高臨床醫師的診斷，例如以心血管危險因素、衰老和失智症發病率(CAIDE)組成的風險評分模型、以及以失智症篩查指標(BDSI)開發的模型，分別能夠預測未來20年、6年的阿茲海默症風險，但目前並未有預測短期內的輔助工具。
 
而這套演算法或許可提早至2年內預測失智症的風險機率。該研究主要是分析美國阿茲海默症協調中心，2005年到2015年超過15,300多名參與者的數據(平均年齡為72.3歲；其中9129名(60%)為女性、6178名(40%)為男性)。
 
這些參與者雖有記憶力衰退或出現大腦功能問題，但在數據收集時並未被確診為失智症，但經過兩年追蹤，其中有1568名參與者(10%)，被醫師、共識小組診斷為失智症。 
 
因此研究人員針對這些族群，利用四種機器學習演算法：邏輯迴歸(LR)、支援向量機(SVM)、隨機森林(RF)和XGBoost(Extreme Gradient Boosting)建構AI模型。
 
結果顯示，與CAIDE、BDSI現有的模型相比，這四種演算法在預測2年內患有失智症的能力更勝一籌，整體來說準確率為92%，其中又以XGBoost演算法預測準確度最佳。
 
在評估4種類型失智症(阿茲海默症、路易體失智症(LBD)、血管性失智症、其它失智症亞型)，則以LR模型表現最好。
 
這項研究證實機器學習可有效的發揮作用，該團隊也將計劃進行後續研究，以評估機器學習方法在臨床中的實際應用，期望未來可改善失智症的診斷、治療和照護。
 
資料來源：https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2787228
 
(編譯/彭梓涵)