1. 首頁 > 生活雜燴 > 健康養生 > >

結果|JAMA子刊：阿爾茨海默病早篩大突破！科學家開發AI模型，常規檢測結果預測2年內AD確診風險，準確率高達91%丨臨床大發現( 二 )

風險結果臨床診斷阿爾茨海默病病理模型高達癡呆監測數據doibarnes準確率預測出



結果|JAMA子刊：阿爾茨海默病早篩大突破！科學家開發AI模型，常規檢測結果預測2年內AD確診風險，準確率高達91%丨臨床大發現
文章圖片

這四種AI模型之間性能相似 ， 且都優于已有的CAIDE和BDSI模型

結果|JAMA子刊：阿爾茨海默病早篩大突破！科學家開發AI模型，常規檢測結果預測2年內AD確診風險，準確率高達91%丨臨床大發現
文章圖片

（LBD：路易體癡呆；VaD：血管性癡呆）
但此時研究者們還不滿足 。 AI模型往往需要大量、不同的數據來支撐 ， 這也是開頭提到的AI模型在臨床應用上的限制 。 那么這四種AI模型能否“輕裝上陣” ， 僅用少量且常規的病理報告就精準完成預測呢？
他們發現 ，即使僅提供患者的6種常規病理報告數據（臨床醫生診斷、心理測試完成時間、方向感、記憶力、獨立性以及特定生活方式） ， 基于LR的AI模型和基于XGB的AI模型仍可發揮良好的診斷性能 ，準確度均可達到91% ， AUC達到0.89 。
有趣的是 ， 在這些2年后被診斷為癡呆的患者中 ， 有8%的人（n=130）在確診后被發現是誤診 。 而研究者們發現 ，基于LR的AI模型 ， 能夠將誤診率降低84% 。

結果|JAMA子刊：阿爾茨海默病早篩大突破！科學家開發AI模型，常規檢測結果預測2年內AD確診風險，準確率高達91%丨臨床大發現
文章圖片

e Table 4：6種常規病理報告
e Table 5：基于LR或SVM的AI模型的各項性能仍良好
總體來說 ， Llewellyn和他的同事們基于15307人的數據 ， 成功利用新的AI模型準確預測出未來2年內的AD患病風險 。
而且僅需患者的臨床醫生診斷、心理測試完成時間、方向感、記憶力、獨立性以及特定生活方式這6種常規病理報告 ， 就可達到91%的準確率 ， AUC達0.89 ， 突破了AI模型用于AD臨床診斷的局限性 ， 并將誤診率降低84% 。
奇點糕不禁感嘆一下 ， 人類的技術提升+整活能力 ， 使得人工智能在生活中的應用越來越廣 。 人類學習知識、提高自身認知水平創造AI ， 再讓AI通過機器學習來預測人類認知功能的退化 ， 妙啊~
參考文獻：
[3] Barnes DE. et al. Development and validation of a brief dementia screening indicator for primary care. Alzheimers Dement. 2014;10(6):656-665.e1. doi:10.1016/j.jalz.2013.11.006
[4] Cui Y, Liu B, Luo S, et al; Alzheimer’s Disease Neuroimaging Initiative. Identification of conversion from mild cognitive impairment to Alzheimer’s disease using multivariate predictors. PLoS One. 2011;6(7):e21896. doi:10.1371/journal.pone.0021896
[5]Lin M, Gong P, Yang T, Ye J, Albin RL, Dodge HH. Big data analytical approaches to the NACC dataset: aiding preclinical trial enrichment. Alzheimer Dis Assoc Disord. 2018;32(1):18-27. doi:10.1097/WAD.0000000000000228
[8]Burgos N, Colliot O. Machine learning for classification and prediction of brain diseases: recent advances and upcoming challenges. Curr Opin Neurol. 2020;33(4):439-450. doi:10.1097/WCO.0000000000000838
本文作者 | 張艾迪