科学家开发无创方法预测痴呆发病

根据来自印第安纳大学和默克公司的科学家领导的一项新研究，从日常就诊中收集的信息足以准确预测一个人患阿尔茨海默病和相关痴呆症的风险。研究人员利用电子病历的数据开发并测试了机器学习算法，以识别可能有患痴呆症风险的患者。

至少50%患有阿尔茨海默病和相关痴呆症的老年初级保健患者从未得到诊断。还有更多的人在被诊断出来之前，已经有了2到5年的症状。目前，筛查痴呆症风险的测试是侵入性的，耗时且昂贵。

“这种方法的伟大之处在于它是被动的，它提供了与目前使用的更具侵入性的测试相似的准确性，”首席研究员Malaz Boustani说，他是Regenstrief研究所的研究科学家，也是印第安纳大学医学院的教授。“这是一种低成本、可扩展的解决方案，可以帮助患者及其家人为可能患有痴呆症的生活做好准备，并使他们能够采取行动，从而为患者及其家人带来实质性的好处。”

开发预测痴呆症的机器学习算法
该研究小组还包括来自佐治亚州立大学、阿尔伯特·爱因斯坦医学院和Solid研究小组的科学家，他们最近发表了关于两种不同机器学习方法的研究结果。这篇论文发表在美国老年医学会杂志分析了一种通过实例学习规则的自然语言处理算法的结果医学中的人工智能文章分享了随机森林模型的结果，该模型使用决策树的集合来构建。两种方法在预测诊断后1年和3年内痴呆发病方面都显示出相似的准确性。

为了训练算法，研究人员从印第安纳州患者护理网络收集了患者的数据。这些模型使用处方和诊断信息(结构化字段)以及医疗记录(免费文本)来预测痴呆症的发作。研究人员发现，免费文本注释对于帮助识别有患病风险的人最有价值。

“这项研究令人兴奋，因为它有可能为患者及其家人带来显著的好处，”印第安纳大学医学院的研究作者、Regenstrief附属科学家帕特里克·莫纳汉博士说。“临床医生可以提供行为和习惯方面的教育，帮助患者应对症状，提高生活质量。”

吉娜·本·米利德博士是印第安纳大学-印第安纳波利斯普渡大学普渡工程与技术学院的研究作者，也是Regenstrief附属科学家，她说:“早期风险识别为医生和家庭提供了一个制定护理计划的机会。我从经验中知道，处理痴呆症诊断是一种多么沉重的负担。这项测试提供的窗口对于帮助改善患者及其家属的生活质量非常重要。”

除了对家庭有益之外，这些方法还可以为患者和卫生系统节省大量费用。它们取代了昂贵的检测，使临床医生能够对整个人群进行筛查，以确定风险最大的人群。延迟症状的出现也可以节省大量的治疗费用。

下一步是在现实生活中的诊所中部署这些机器学习算法，以测试它们是否有助于识别更多真实的痴呆症病例，并了解它们如何影响患者跟进结果的意愿。

-资料来源:注册管理研究所