埃克塞特大学（University of Exeter）的研究使用了美国15,300多名患者的数据，发现一种名为机器学习的人工智能可以准确地判断谁会患上失智症。

该技术通过发现数据中的隐藏模式，并了解谁的风险最大。这项研究发表在《美国医学会杂志·网络开放》（JAMA Network Open）上，由英国阿尔茨海默病研究所（Alzheimer’s Research UK）资助。研究还表明，该算法可以帮助减少可能被误诊为失智症的人数。

研究人员分析了参加美国30个国家阿尔茨海默病协调中心记忆诊所网络的人的数据。研究开始时，参与者并没有患失智症，尽管许多人在记忆或其他大脑功能方面出现了问题。

在2005年至2015年的研究中，十分之一的参与者（1,568人）在去记忆诊所的两年内被诊断为失智症。该研究发现，机器学习模型可以预测这些新的失智症病例，准确率高达92%——比现有的两种替代研究方法的准确率要高得多。

研究人员还首次发现，大约8%（130）的失智症诊断似乎是被误诊了，因为他们的诊断后来被逆转了。在这些不一致的诊断中，机器学习模型准确识别了80%以上。人工智能不仅可以准确预测谁将被诊断为失智症，它还有可能提高这些诊断的准确性。

David Llewellyn 教授是埃克塞特大学的艾伦·图灵（Alan Turing）研究员，他主持了这项研究，他说：“我们现在能够教计算机准确预测谁会在两年内患上失智症。我们还很高兴地得知，我们的机器学习方法能够识别出可能被误诊的患者。这有可能减少临床实践中的猜测，并显著改善诊断途径，帮助家庭尽快、尽可能准确地获得他们需要的支持。”

临床流行病学和数字健康教授 David Llewellyn

英国阿尔茨海默病研究所的研究主管Rosa Sancho博士说：“人工智能在改善导致失智症的疾病的早期检测方面具有巨大的潜力，并可能彻底改变那些关心自己或亲人出现症状的人的诊断过程。现有的替代方法相比，这项技术是一个显著的改进，可以为医生提供支持，建议改变生活方式，并确定哪些人可能从支持或深入评估中受益。”

埃克塞特大学研究员 Janice Ranson 博士补充说：“我们知道失智症是一种非常可怕的疾病。将机器学习嵌入记忆诊所可以帮助确保诊断更加准确，减少误诊可能造成的不必要的痛苦。”

研究人员发现，机器学习的工作效率很高，利用了临床中常见的患者信息，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。该团队目前计划进行后续研究，以评估机器学习方法在诊所的实际应用，以评估它是否可以推广到改善失智症的诊断、治疗和护理。

Charlotte James、Janice M. Ranson、Richard Everson和David J Llewellyn 共同完成了这项名为“机器学习算法在预测记忆门诊患者失智症进展中的表现”（ Performance of Machine Learning Algorithms for Predicting Progression to Dementia in Memory Clinic Patients）的研究。研究结果发表在《JAMA Network Open》上。