研究人員創(chuàng)建了一種算法，能夠僅使用醫(yī)生收集的患者信息來確定認(rèn)知能力下降的原因。

波士頓大學(xué)

7月17日

盡管阿爾茨海默病是導(dǎo)致失智癥（失智癥是一個統(tǒng)稱，指影響日常生活的認(rèn)知缺陷，如記憶或語言喪失）最常見的病因，但它并非唯一病因。由于失智癥可能由多種原因同時引起，因此得出明確診斷并不容易，也不迅速。而且往往到那時，再進(jìn)行干預(yù)已為時過晚。

波士頓大學(xué)（Boston University，BU）的 Vijaya B. Kolachalama 是一位利用計算機(jī)輔助醫(yī)學(xué)診斷的專家，他開發(fā)了一種人工智能工具，能夠確定導(dǎo)致患者認(rèn)知能力下降的原因，并幫助醫(yī)生更有效地鎖定準(zhǔn)確診斷。

該工具由波士頓大學(xué)的研究人員和外部合作者共同開發(fā)，利用通常收集的患者信息（如病史、用藥情況、人口統(tǒng)計數(shù)據(jù)、神經(jīng)病學(xué)和神經(jīng)心理學(xué)檢查分?jǐn)?shù)）和神經(jīng)影像學(xué)數(shù)據(jù)（如磁共振成像掃描）來準(zhǔn)確識別失智癥的具體病因。對于每個病例，將所有可用信息輸入到人工智能驅(qū)動的軟件中，然后該軟件會預(yù)測患者所患失智癥的類型，并給出一個置信度評分。相關(guān)研究結(jié)果發(fā)表在《自然-醫(yī)學(xué)》（Nature Medicine）雜志上。

研究于2024年7月4日發(fā)表在《Nature Medicine》（最新影響因子：58.7）雜志上

Kolachalama 是波士頓大學(xué)醫(yī)學(xué)和計算機(jī)科學(xué)副教授，也是該論文的通訊作者，他說：“我們認(rèn)為，人工智能可以通過早期識別這些疾病，并幫助醫(yī)生更有效地管理患者，防止病情惡化，從而發(fā)揮作用。”

該平臺可以診斷 10 種不同類型的失智癥，包括血管性失智和額顳葉失智，即使它們同時發(fā)生也能診斷。隨著治療阿爾茨海默病的新藥（如Kisunla，一種最近獲得 FDA 批準(zhǔn)，用于輕度認(rèn)知障礙患者的注射劑）獲得批準(zhǔn)，Kolachalama 希望他的團(tuán)隊的人工智能工具能夠幫助確定誰能從不同治療中獲益，或誰能參加臨床試驗，以幫助將更多藥物推向市場。

該算法是在來自世界各地九個不同數(shù)據(jù)集的 50,000 多名個體的數(shù)據(jù)上進(jìn)行訓(xùn)練的。為了測試該軟件的性能，研究人員讓單獨工作的神經(jīng)科醫(yī)生和使用計算機(jī)模型的神經(jīng)科醫(yī)生分別評估 100 個病例。然后，他們比較了單獨工作的醫(yī)生和使用該軟件醫(yī)生的結(jié)果，發(fā)現(xiàn)該軟件將醫(yī)生的診斷準(zhǔn)確率提高了 26%。

Kolachalama 與來自世界各地的神經(jīng)科醫(yī)生和放射科醫(yī)生合作，他們都能接觸到不同類型的患者信息。因此，即使信息有限，該軟件也能發(fā)揮作用。例如，在低收入國家資源匱乏的醫(yī)院中，磁共振成像機(jī)器并不普遍，因此，擁有一種能夠利用任何類型可用患者數(shù)據(jù)的工具，對于將該技術(shù)擴(kuò)展到最需要它的地區(qū)至關(guān)重要。

Kolachalama 說：“鑒于在偏遠(yuǎn)和經(jīng)濟(jì)發(fā)展中地區(qū)以及城市醫(yī)療中心獲取金標(biāo)準(zhǔn)檢測面臨重大挑戰(zhàn)，利用常規(guī)臨床數(shù)據(jù)生成診斷的能力變得越來越重要。”

他指出，全球神經(jīng)病學(xué)專家短缺，而神經(jīng)科患者數(shù)量卻在不斷增長，這種不匹配給醫(yī)療系統(tǒng)帶來了巨大壓力。Kolachalama 說，擁有一款能夠輔助診斷的軟件程序，將有助于減輕時間和資源有限的醫(yī)生的負(fù)擔(dān)。該人工智能工具的下一步是進(jìn)行實地測試，將其引入醫(yī)院和診所，這是 Kolachalama 及其團(tuán)隊正在積極努力的目標(biāo)。

創(chuàng)立于1839年的波士頓大學(xué)

參考文獻(xiàn)

Source：Boston University

New AI Software Could Make Diagnosing Dementia Easier and Faster for Doctors

Reference：

Xue, C., Kowshik, S.S., Lteif, D. et al. AI-based differential diagnosis of dementia etiologies on multimodal data. Nat Med (2024). https://doi.org/10.1038/s41591-024-03118-z

免責(zé)聲明

本公眾號上的醫(yī)療信息僅作為信息資源提供與分享，不能用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請咨詢你的醫(yī)生。

       原文標(biāo)題 : 新的人工智能軟件可以讓醫(yī)生更容易、更快地診斷失智癥