一项大规模的新研究得出结论，人工智能可以预测哪些到记忆诊所就诊的人将在两年内患上痴呆症，准确率为92%。

埃克塞特大学的研究使用来自美国超过15300名患者的数据，发现一种被称为机器学习的人工智能可以准确地判断谁会发展成痴呆症。

该技术通过发现数据中的隐藏模式和学习谁最有风险来发挥作用。这项研究发表在《美国医学会杂志》网络版上，由英国阿尔茨海默病研究中心资助，它还表明，该算法可以帮助减少可能被错误诊断为痴呆症的人数。

研究人员分析了参加美国30个国家阿尔茨海默氏症协调中心记忆门诊网络的人的数据。参加研究的人在研究开始时并没有痴呆症，尽管许多人在记忆或其他大脑功能方面遇到了问题。

在2005年至2015年的研究时间范围内，每十个参与者中就有一个（1,568人）在访问记忆诊所的两年内得到了新的痴呆症诊断。研究发现，机器学习模型可以预测这些新的痴呆症病例，准确率高达92%，而且远比现有的两种替代研究方法更准确。

研究人员还首次发现，大约8%（130人）的痴呆症诊断似乎是错误的，因为他们的诊断后来被推翻了。机器学习模型准确识别了这些不一致的诊断中的80%以上。人工智能不仅可以准确预测谁将被诊断为痴呆症，它还有可能提高这些诊断的准确性。

监督这项研究的埃克塞特大学的艾伦-图灵研究员大卫-卢埃林教授说：“我们现在能够教计算机准确预测谁会在两年内发展成痴呆症。我们也很高兴得知我们的机器学习方法能够识别可能被误诊的病人。这有可能减少临床实践中的猜测，并大大改善诊断途径，帮助家庭尽可能迅速和准确地获得他们所需的支持。"

埃克塞特大学的研究员Janice Ranson博士补充说："我们知道，痴呆症是一种非常令人恐惧的疾病。在记忆门诊中嵌入机器学习可以帮助确保诊断更加准确，减少错误诊断可能导致的不必要的困扰。"

研究人员发现，机器学习能有效地工作，使用诊所常规提供的病人信息，如记忆和大脑功能，认知测试的表现和特定的生活方式因素。该团队现在计划进行后续研究，以评估机器学习方法在诊所的实际使用情况，以评估它是否可以推广到改善痴呆症的诊断、治疗和护理。

英国阿尔茨海默氏症研究中心的研究主管罗莎-桑乔博士说："人工智能在改善导致痴呆症的疾病的早期检测方面有巨大的潜力，并且可以彻底改变担心自己或亲人出现症状的人的诊断过程。这项技术比现有的替代方法有很大的改进，可以给医生提供一个建议改变生活方式的基础，并确定可能从支持或深入评估中受益的人"。