AI+基因检测 | 为发现早期认知障碍带来革命性突破！
发布时间:2023-07-21 10:48:50 信息来源：盛景健康
香港科技大学领导的国际研究团队最近开发了一套人工智能(AI)模型，可利用遗传信息在出现病征前预测罹患阿尔兹海默症的风险，革新该症及其他常见疾病的诊疗、干预和临床研究。研究与中国科学院深圳先进技术研究院、伦敦大学学院、香港威尔斯亲王医院及伊利沙伯医院合作。研究成果已在《医药通讯》上发表。该研究将新型深度学习模型与基因检测相结合，可估计一个人在其一生中患阿尔兹海默症的风险，准确率超过70%。
阿尔兹海默症是遗传性疾病，检测DNA信息能有效协助预测患症的相对风险，从而实现疾病的及早干预和及时管理。该症是由多个风险基因位点引起，单凭检测一个风险基因可能不足以识别出高风险人士。因此，开发能整合多个阿尔兹海默症风险基因信息的测试，以准确评估个人患病的相对风险至关重要。
日本庆应义塾大学的研究团队，研发了一套系统，通过人工智能(AI)分析患者与医生之间的对话就可以判断患者是否已经患有“认知症”，且准确率高达约90%。
庆应义塾大学的研究团队从2016年到2019年在日本全国10个医疗机构当中，对包括身患“认知症”在内的老人和医生的对话进行了录音，并将135对医患共计432次对话形成文字，配合专业医生最终的诊断结果，让AI进行了深度学习之后开发了这套系统。
目前诊断患者是否患有“认知症”，除了当面问诊以外，还需要做有关计算能力和记忆力方面的检查。检查的专业性较高，医生需要经过专业培训才能胜任。但这套AI系统用法简单，在初期就诊(用于分诊)时能够派上大用场。
UT西南医学中心的研究团队开发出能够捕捉到病人声音的细微变化的新技术可能会帮助医生在症状开始显现之前诊断出认知障碍和阿尔茨海默病，该研究发表在阿尔茨海默病协会的出版物《诊断、评估和疾病监测》上。
该技术的重点是识别细微的语言和音频变化，这些变化存在于阿尔茨海默病的早期阶段，但不容易被家庭成员或个人的初级保健医生识别出来。
在机器学习和NLP发展之前，对患者的语音模式进行详细研究是非常耗费精力的，而且往往不成功，因为早期阶段的变化往往是人耳无法察觉的。使用人工智能和机器学习来研究声乐录音可以为初级保健提供者提供一个易于执行的高危人群筛查工具。更早的诊断将使患者和家庭有更多的时间来计划未来，并使临床医生在推荐有希望的生活方式干预方面有更大的灵活性。
研究者开发了高精度的机器学习模型，用于早期检测老年驾驶员的轻度认知障碍和失智症。利用集成学习技术和一项大型自然驾驶研究的纵向数据，哥伦比亚大学梅尔曼公共卫生学院、傅氏基金工程与应用科学学院和哥伦比亚大学医学院的研究人员开发了一种新颖、可解释且高度准确的算法，用于预测老年驾驶员的轻度认知障碍和失智症。
数字标记是指在真实世界环境中通过记录设备捕获的数据产生的变量。这些数据可以被处理，以非常详细地测量驾驶行为、表现和时空模式。这项研究发表在《医学人工智能》杂志上。发现新的集成学习模型在预测轻度认知障碍和失智症方面比随机森林和逻辑回归模型准确 6-10%。两个最有影响力的驾驶变量是左右转弯比和紧急制动事件的数量。
在美国，大约 85% 的老年人持有驾照。作为最受欢迎的个人交通方式，驾驶在保持独立性、自我控制、社会联系和生活质量方面发挥着重要作用。安全驾驶汽车需要基本的认知和身体功能。研究表明，通过创新的机器学习技术，可以将嵌入常规收集的驾驶数据中的数字标记用作预测轻度认知障碍和失智症的有效且可靠的人工智能。及早发现轻度认知障碍和失智症可能会导致及时评估、诊断和干预，这在缺乏有效治疗方法的情况下尤为突出。 