大脑的分子和细胞变化通常会在任何症状出现之前的许多年就开始了。诊断痴呆症可能需要数月甚至数年的时间。这通常需要两到三次医院检查，包括一系列的CT、PET和MRI扫描以及侵入性腰椎穿刺。
由剑桥大学的Zoe Kourtzi教授和艾伦·图灵研究所领导的一个团队开发了一套可以在非常早期阶段检测患者痴呆症的机器学习工具。通过对罹患阿尔茨海默氏症的患者进行脑部扫描，他们的机器学习算法学会了发现大脑的结构变化。当结合标准记忆测试的结果时，该算法能够提供一个预后评分–即个人患阿尔茨海默病的可能性。
对于那些表现出轻度认知障碍–记忆丧失的迹象或语言或视觉/空间感知问题–的患者来说，该算法在预测那些继续发展为阿尔茨海默病的患者时的准确率高于80%。它还能预测他们的认知能力随着时间的推移会以多快的速度下降。
剑桥大学心理学系的Kourtzi教授称：“我们已经训练了机器学习算法，通过寻找大脑中灰质损失的模式来发现痴呆的早期迹象。当我们把这个和标准的记忆测试结合起来，我们可以预测一个人的认知能力下降的速度是慢还是快。我们甚至已经能够识别出一些尚未表现出任何症状但却会发展成阿尔茨海默氏症的患者。”
虽然该算法已被优化以寻找阿尔茨海默病的迹象，但Kourtzi教授和同事们现在正在训练它识别不同形式的痴呆症，每种痴呆症都有其特有的体积损失模式。
来自临床神经科学系的Timothy Rittman医生是英国剑桥大学医院NHS基金会信托的Addenbrooke医院的顾问，他现在正在领导一项试验以看看这种方法在临床环境中是否有用。
“我们已经证明了这种方法在研究环境中是有效的–我们现在需要在‘现实世界’环境中测试它，”Rittman博士解释道。
截止到目前，约有80名患者参加了这项试验，该试验由剑桥大学、剑桥郡和彼得伯勒NHS基金会信托及布莱顿的两个NHS信托组织进行。
Rittman博士指出，早期发现痴呆症有几个重要原因。“当患者开始出现记忆和认知问题时，这是一段非常艰难的时期，这是可以理解的。能提供准确的诊断，让他们头脑清楚，根据诊断结果，可以让他们安心，同时还可以帮助他们和他们的亲人做好长期准备。”
目前治疗痴呆症的药物还非常少。临床试验经常失败的一个原因被认为是，一旦患者出现症状，可能就太晚了，从而无法做出重大改变。因此，在非常早期阶段识别个体的能力可以帮助研究人员开发新的药物。
如果试验成功，该算法可以推广到各地的数千名患者中。
Addenbrooke的病人Dennis Clark是美国国内首批参加这项新试验的人之一。在封锁之前，这位75岁的退休销售总监和妻子Penny一起享受退休生活，他们去度假、遛两条狗。但Penny很快注意到他开始健忘了。
“如果我让他做什么，他会反其道而行之。然后当我们出去吃饭时–由于封锁，我们很长时间都没有出去吃饭–他都不记得怎么付钱了，”Penny说道。
当Dennis总是为自己的外表感到骄傲的时候，Penny决定打电话给家庭医生寻求帮助，因为Dennis开始一遍又一遍地穿同样的衣服。
“GP在电话里做了一个快速检查，说Dennis需要转诊。我听说Addenbrooke有一个非常全面的记忆单元，所以我真的很高兴我们能被推荐到那里。我们进行了初步的咨询并被问及是否想要继续研究，这是我非常希望Dennis去做的，因为这不仅对他有帮助，也对其他人有帮助，”Penny回忆道。
Dennis接受了核磁共振扫描，当天晚些时候，他和Penny收到消息，他的结果符合早发性阿尔茨海默病。Dennis将开始服用药物来帮助治疗阿尔茨海默病的症状。
“我们非常感谢Addenbrooke并将推荐其他人也进行试验。更快的诊断意味着Dennis将能开始药物治疗，这将有希望推迟他的疾病。这也意味着我们可以计划未来并开始接受正在发生的事情。”
原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/154025.html