人工智能可能很快就能通过分析写作来帮助筛查阿尔茨海默氏症。来自IBM和辉瑞的一个团队表示，他们已经训练了人工智能模型发现臭名昭着的隐形疾病的早期迹象通过查看单词使用中的语言模式。

其他研究人员已经培训了各种模型，以寻找认知障碍的迹象，包括使用不同类型的数据，如Alzheimer，如大脑扫描以及临床试验结果。但最新的作品之所以引人注目，是因为它使用了多代人的历史信息弗雷明汉心脏研究, which has been tracking the health of more than 14,000 people from three generations since 1948. If the new models’ ability to pick up trends in such data holds up in forward-looking studies of bigger and more diverse populations, researchers say they could predict the development of Alzheimer’s a number of years before symptoms become severe enough for typical diagnostic methods to pick up. And such a screening tool would not require invasive tests or scans. The results of the Pfizer-funded and IBM-run study were published on Thursday ineclinicalMedicine.。

在临床诊断成就之前，新的AI模型在临床诊断之前，您将如何在临床诊断时看到一些微妙的变化。“IBM卫生保健和生命科学研究总裁Ajay Royyuru说，临床诊断。18新利官网多久了“它可能实际上提醒您对[表明]您应该做出更完整的考试的一些更改。”

为了训练这些模型，研究人员使用了弗雷明汉心脏研究项目参与者的手写回答的数字转录。参与者被要求描述一张女人的照片，这个女人显然在忙着洗碗，而两个孩子在她背后偷吃饼干罐。弗雷明汉研究的神经心理学主任、波士顿大学(Boston University)教授Rhoda Au说，这些描述并不能使笔迹与原始反应保持一致。(她的团队负责转录这篇新论文的数据，但除此之外没有参与。)然而，IBM表示，即使没有实体手写，其主要的人工智能模型也能够检测出有时与认知障碍早期迹象有关的语言特征。其中包括某些拼写错误，重复的单词和使用简化的短语而不是语法复杂的句子。罗伊尤说，这一证据与临床医生对阿尔茨海默病如何影响语言的理解是一致的。

The main model achieved 70 percent accuracy in predicting which of the Framingham participants eventually developed dementia associated with Alzheimer’s disease before the age of 85. This result was based on historical data rather than actually predicting future events, however—and there are other caveats to the new paper as well.

AI专注于最古老的Framingham学习参与者，主要代表非西班牙裔人口。AU注意事项，这限制了概括到更多样化的社区。它还尚不清楚AI如何在更大的人群中表现：eclinicalMedicine.多伦多冬之光实验室(Winterlight Labs)的机器学习主任杰卡捷琳娜·诺维科娃(Jekaterina Novikova)指出，研究的数据集只涉及了40名最终患上痴呆症的人，以及40名没有患上痴呆症的“控制组”。诺维科娃没有参与这项新研究，她还质疑IBM的人工智能在预测阿尔茨海默病在诊断前不同时间点的发病时，性能是否会发生变化。

尽管如此，她和Au赞美本文作为对该领域的良好贡献，可能会吸引更多的关注和资源，以检测阿尔茨海默。“我喜欢的是[学习]的是，这是几乎没有分析大规模的现实数据的作品之一，”Novikova说。

Au表示，如果新模型中包含了笔迹，可能会更准确。这种能力可以提供额外的线索，比如微小的震动，字体和草书之间的切换，以及非常小的字母。“有很多……研究人员没有考虑到的特征，结合语言特征，可能会创造出一个更具有预测性的模型，”Au说。IBM的模型也不包括来自口语的数据。使用人工智能语音分析来诊断阿尔茨海默氏症是一个不断发展的研究领域，其他系统也专注于检测音频样本的变化。这些线索包括演讲停顿，这是在写作中没有的。

无论是书面还是发言，语言样本都提供了相对非流动的信息来源，用于监测人民认知健康，与大脑扫描和其他实验室测试相比。18新利官网多久了Royyuru说，收集这些语言数据可以廉价和远程差别廉价地完成，尽管如此，但仍然需要严格的知情同意和隐私保障，为个人创建样品的个人。这尤其如此，因为有些人可能不想知道他们如何发展阿尔茨海默病的可能性 - 目前是不可逆转的条件。

在长期奔跑中，口语而不是书面样本的培训模型可能会对实现最广泛的延伸来说更加实用，但在演讲时没有识字。WellowLight Labs的诺维科娃和她的同事一直专注于教学AI，分析口语中的声学和语言特征。AU一直在录制语音和手写，使用数字笔来捕获后者，以便她的研究。IBM似乎正在为自己的未来工作沿着同一条线思考。

“我们正在利用这项技术来更好地了解精神分裂症，[肌萎缩侧面硬化症]和帕金森病等疾病，并在预期研究中进行，并在预期的研究中进行，分析口语演讲，鉴于类似的认知口头测试，“新研究的共同作者Guillermo Cecchi说，IBM的计算精神病学和神经影像研究员。