如果說人工智能能夠真正產生前所未有的積極影響的領域，那就是醫(yī)療保健——特別是在診斷和治療癡呆癥等目前無法治愈的疾病方面。

全球有超過5500 萬人患有癡呆癥，每年新增病例近 1000 萬。癡呆癥最常見的類型是阿爾茨海默病，占所有病例的 60%-70%。

2019年，該疾病給全球醫(yī)療保健系統(tǒng)造成的損失達到1.3萬億美元。

心理成本則更高。罹患該病可能引發(fā)抑郁和焦慮。更不用說親眼目睹親人“消失”時那種難以言表的情感沖擊了。

幸運的是，先進的技術為我們帶來了一線希望——歐洲的大學正在努力完成這項任務。以下三項雄心勃勃的舉措可以為我們提供對抗癡呆癥的新武器：

預測阿爾茨海默病的發(fā)展和進展

劍橋大學的研究人員開發(fā)了一種機器學習模型，可以預測患有輕度記憶和思維問題的人是否會患上阿爾茨海默病，以及患上的速度。

研究團隊利用美國一個研究小組的 400 名患者的認知測試和 MRI 掃描建立了該模型，結果顯示了患者的灰質萎縮（即大腦神經細胞死亡）。

隨后，他們利用來自美國組內的 600 多名參與者以及來自英國和新加坡記憶診所的 900 名參與者的額外數據對該模型進行了測試。

該算法準確率達到 82% ，可識別出三年內會患上阿爾茨海默病的人，以及 81% 的不會患上阿爾茨海默病的人。

它還能夠跟蹤疾病的進展速度，為最合適的治療方案提供有價值的見解。這樣一來，就可以減少對正電子發(fā)射斷層掃描 (PET) 掃描或腰椎穿刺（也稱為脊椎穿刺）等昂貴且侵入性檢測方法的需求。

科學家們通過六年的跟蹤數據驗證了人工智能工具的預測。他們認為，他們的解決方案在預測阿爾茨海默病進展方面比臨床診斷或灰質萎縮和認知評分等臨床指標準確率高出三倍。

該研究的資深作者佐伊·庫爾齊 (Zoe Kourtzi) 教授說：“如果我們要應對癡呆癥帶來的日益嚴重的健康挑戰(zhàn)，我們將需要更好的工具來盡早識別和干預。”

“我們的愿景是擴大我們的人工智能工具，幫助臨床醫(yī)生在正確的時間將正確的人分配到正確的診斷和治療途徑。”

早期癡呆癥診斷

在歐盟地平線計劃 1400 萬歐元的支持下，AI-Mind項目正在開發(fā)兩種可以早期診斷癡呆癥的人工智能工具。

它專門針對輕度認知障礙（MCI）階段，該階段沒有結構性腦缺陷，仍然可以進行干預。

為實現(xiàn)這一目標，該項目背后的 13 個合作伙伴正在構建 AI-Mind Connector 和 AI-Mind Predictor。

Connector 分析來自 EEG 數據的大腦圖像，以檢測可能導致癡呆癥的認知變化的早期跡象。Predictor 將這些數據與認知測試和血液分析相結合，以 >95% 的準確率評估該疾病的風險。

這兩種工具都將集成到可以為醫(yī)療專業(yè)人員提供支持的基于云的診斷平臺中。

該項目的最終目標非常宏偉：將診斷時間從 2 至 5 年縮短至一周。該項目希望通過這種方式延長 MCI 患者的“無癡呆”時間。

AI-Mind 于 2021 年啟動，將持續(xù)到 2026 年。其合作伙伴包括七所歐洲大學，包括芬蘭的阿爾托大學、愛沙尼亞的塔林大學和荷蘭的拉德堡德大學醫(yī)學中心。

追蹤蛋白質團塊

人工智能在對抗癡呆癥方面的另一個用例是加深我們對體內蛋白質團塊的了解。

為了保證人體正常運轉，細胞內蛋白質與其他分子之間需要發(fā)生數十億次相互作用。但當這些過程出現(xiàn)錯誤時，蛋白質就會聚集在一起并發(fā)生功能障礙，從而導致阿爾茨海默病等神經退行性疾病。

哥本哈根大學的研究人員開發(fā)了一種人工智能算法，可以在顯微鏡圖像中發(fā)現(xiàn)十億分之一米的蛋白質聚集。

該算法還可以計算團塊數量，根據形狀和大小對團塊進行分類，并監(jiān)測它們隨時間的變化情況。這樣一來，它可以幫助科學家了解這些團塊形成的原因，進而推動新藥和新療法的發(fā)現(xiàn)。

據該團隊介紹，該工具只需幾分鐘就能自動完成研究人員需要數周才能完成的過程。

機器學習算法作為開源模型在互聯(lián)網上免費提供。

“隨著世界各地的其他研究人員開始部署該工具，它將有助于創(chuàng)建一個與各種疾病和生物學相關的大型分子和蛋白質結構庫，”該研究的共同作者尼科斯·哈扎基斯說。

▲ 滑動查看往期內容