科学家开发出非侵入性方法来预测痴呆症的发作

根据 Regenstrief Institute、印第安纳大学和默克公司的科学家领导的一项新研究，从常规就诊中收集的信息足以准确预测一个人患阿尔茨海默病和相关痴呆症的风险。研究人员使用电子病历中的数据开发并测试了机器学习算法，以识别可能有患痴呆症风险的患者。

至少有 50% 患有阿尔茨海默病和相关痴呆症的老年初级保健患者从未得到诊断。还有更多的人在被诊断之前会出现症状 2 到 5 年。目前，筛查痴呆症风险的测试是侵入性的、耗时且昂贵的。

“这种方法的优点在于它是被动的，它提供了与目前使用的更具侵入性的测试相似的准确性，”首席研究员、医学博士、公共卫生硕士、Regenstrief 研究所的研究科学家和印第安纳大学教授 Malaz Boustani 说。医学院。“这是一种低成本、可扩展的解决方案，可以通过帮助患者和他们的家人为患有痴呆症的生活做好准备并使他们能够采取行动，从而为他们带来实质性的好处。”

开发用于预测痴呆症的机器学习算法

该研究团队还包括来自佐治亚州立大学、阿尔伯特爱因斯坦医学院和 Solid Research Group 的科学家，他们最近发表了关于两种不同机器学习方法的研究结果。发表在美国老年医学会杂志上的论文分析了自然语言处理算法的结果，该算法通过分析示例来学习规则，医学中的人工智能文章分享了使用集成构建的随机森林模型的结果的决策树。这两种方法在预测诊断后一年和三年内痴呆症的发作方面表现出相似的准确性。

为了训练算法，研究人员从印第安纳州患者护理网络收集了患者数据。这些模型使用结构化领域的处方和诊断信息以及自由文本的医疗记录来预测痴呆症的发作。研究人员发现，自由文本注释对于帮助识别有患病风险的人最有价值。

“这项研究令人兴奋，因为它可能为患者及其家人带来重大益处，”印第安纳大学医学院的研究作者和 Regenstrief 附属科学家 Patrick Monahan 博士说。“临床医生可以提供有关行为和习惯的教育，以帮助患者应对症状并过上更好的生活质量。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！