有研究指出透過機器學習演算法使用結構化和非結構化EHR數據，可以準確地識別有患阿茲海默症和相關癡呆症風險的患者。

研究人員說，現階段全球至少有50％的患有阿茲海默症和相關癡呆症的老年初級保健患者從未得到診斷，而且還有更多人在被診斷前有症狀出現了兩到五年。目前的篩檢癡呆症風險的檢測是侵入性的，並且耗時費力。

來自美國Regenstrief研究所、埃爾伯特愛因斯坦醫學院的科學家，他們使用兩種不同的機器學習方法來改善癡呆症和阿爾茨海默氏症的診斷：一種自然語言處理演算法和一個隨機forest模型。

為了訓練AI，研究人員從印第安納州患者護理網絡收集了醫療數據。這些模型分析了結構化字段中的資訊，例如處方和診斷，以及非結構化字段中的資訊（例如醫療記錄）。在預測癡呆症的發展過程中，研究人員發現，Medical Notes是幫助識別高危患者的最寶貴資源。

Regenstrief研究所的研究科學家Malaz Boustani博士說：“這種方法的優點是它是被動的，並且與目前使用的更具侵入性的檢測具有相似的準確性。這是一種低成本，可擴展的解決方案，可以透過幫助患者其患癡呆症的生活做好準備並使他們能夠提前採取行動，從而為患者及其家人帶來好處。”

這些方法可以為患者和醫療體系節省大量成本，取代了對昂貴檢測的需求，並允許臨床醫生篩選識別有風險的人群。透過延遲症狀的發作，醫療機構、患者及其家人未來還將節省大量的治療費用。

Regenstrieff研究所科學家Patrick Monahan博士說：“這項研究令人興奮，因為它有可能為患者及其家人帶來重大利益，臨床醫生可以提供有關行為和習慣的教育，以幫助患者應對症狀並改善生活品質。”

該團隊未來的工作將在診所中部署這些機器學習演算法，以觀測它們是否有助於識別更真實的癡呆病例，並了解它們如何影響患者回診的意願。

Regenstrief會員Zina Ben Miled博士則提及： “早期風險鑑別為醫師和家庭提供了製定護理計劃的機會。我從經驗中知道，癡呆症診斷可能會給人帶來負擔。該檢測的提供對於幫助改善患者及其家人的生活品質非常重要。”

研究人員越來越多地使用AI模型來改善阿茨海默症的治療和診斷。最近，麻省理工學院（MIT）的一個團隊開發了AI工具，以確定高風險的阿茲海默症患者是否會出現認知能力下降。

該模型可以幫助選擇候選藥物和進行臨床試驗，並使患者及其家人為認知能力下降做好準備。

研究員Oggi Rudovic說：“準確預測6到24個月的認知能力下降對於設計臨床試驗至關重要。能夠準確預測未來的認知變化可以減少參與者必須進行的探訪次數，這可能既昂貴又耗時。除了幫助開發有用的藥物外，目標還在於幫助降低臨床試驗的成本，使其可承受更大規模地的實驗。”

(生策會編譯)