取代現(xiàn)存侵入檢測，IBM利用機器學習診斷早發(fā)性阿爾茨海默氏癥

IBM網(wǎng)站周一發(fā)布消息稱正在將機器學習(ML)納入診斷領域，希望有一天ML技術可以幫助有效地診斷測試早發(fā)性阿爾茨海默氏癥。

科技巨頭IBM周一表示，機器學習和人工智能(AI)可以用于取代現(xiàn)存的阿爾茨海默氏癥侵入性及昂貴的檢測。

IBM澳大利亞團隊發(fā)表在《科學報告》上的論文報告了有關研究結果。

阿爾茨海默氏癥目前尚無法治愈，只能通過姑息手段治療。阿爾茨海默氏癥的癥狀包括記憶逐漸退化、記憶混亂以及患者不能順利完成曾經熟悉的日常任務。該疾病的早期診斷可以幫助患者及家人做好準備，早期患者也有助于參加有關的醫(yī)學實驗。本世紀初以來研究人員曾進行過不下幾百個有關阿爾茨海默氏癥的醫(yī)學實驗。

但目前阿爾茨海默氏絕癥的早期診斷方法不僅昂貴而且極具侵入性?，F(xiàn)在的早期診斷方法包括在脊髓液中尋找特定的生物標記物，要取得脊髓液就需要做腰椎穿刺，其過程十分痛苦及可能導致出血。由于阿爾茨海默氏癥沒有治愈方法，如能找到一種無侵入性測試法有利于開發(fā)早期阿爾茨海默氏癥診斷方法，將會大大推動新一波不依賴于腦組織已出現(xiàn)損傷的疾病晚期病人的臨床試驗。根據(jù)IBM的說法，ML可能有助于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于成功開發(fā)一種測試淀粉樣蛋白-β的方法，淀粉樣蛋白β是脊髓液的一種肽，研究表明。從阿爾茨海默氏癥患者的淀粉樣蛋白β發(fā)生變化到患者出現(xiàn)記憶喪失之間存在很長一段時間。

IBM發(fā)布的研究文章描述了利用基于識別血液中蛋白質集合的機器學習預測脊髓液中淀粉樣蛋白β濃度的方法。

文章提出了一些基于ML的模型，這些模型可能未來有一天能通過能夠簡單的血液檢查預測患阿爾茨海默氏癥的風險。該文章的研究團隊認為，他們的ML模型預測未來風險因素的準確率可高達77%。

IBM表示，“雖然該測試仍處于早期研究階段，但結果可能有助于改善藥物試驗個體的選擇：脊髓液中淀粉樣蛋白濃度出現(xiàn)異常的輕度認知障礙患者患阿爾茨海默病的可能性高出2.5倍。“

基于這種ML應用開發(fā)的模型有可能在未來為阿爾茨海默氏癥測試的新形式提供框架，可替代腰椎穿刺及加快診斷過程，并可大大降低手術的成本和侵入性。

這些模型仍處于早期階段。機器學習真正進入認知疾病的診斷領域還有很長的路要走。不過IBM團隊表示，他們研發(fā)的ML算法除了適用于阿爾茨海默氏癥也適用于其他疾病，可以擴展到其他基于脊髓液生物標記物的模型和檢測。