取代现存侵入检测，IBM利用机器学习诊断早发性阿尔茨海默氏症

IBM网站周一发布消息称正在将机器学习(ML)纳入诊断领域，希望有一天ML技术可以帮助有效地诊断测试早发性阿尔茨海默氏症。

科技巨头IBM周一表示，机器学习和人工智能(AI)可以用于取代现存的阿尔茨海默氏症侵入性及昂贵的检测。

IBM澳大利亚团队发表在《科学报告》上的论文报告了有关研究结果。

阿尔茨海默氏症目前尚无法治愈，只能通过姑息手段治疗。阿尔茨海默氏症的症状包括记忆逐渐退化、记忆混乱以及患者不能顺利完成曾经熟悉的日常任务。该疾病的早期诊断可以帮助患者及家人做好准备，早期患者也有助于参加有关的医学实验。本世纪初以来研究人员曾进行过不下几百个有关阿尔茨海默氏症的医学实验。

但目前阿尔茨海默氏绝症的早期诊断方法不仅昂贵而且极具侵入性。现在的早期诊断方法包括在脊髓液中寻找特定的生物标记物，要取得脊髓液就需要做腰椎穿刺，其过程十分痛苦及可能导致出血。由于阿尔茨海默氏症没有治愈方法，如能找到一种无侵入性测试法有利于开发早期阿尔茨海默氏症诊断方法，将会大大推动新一波不依赖于脑组织已出现损伤的疾病晚期病人的临床试验。根据IBM的说法，ML可能有助于缩小早期检测和临床试验之间的差距。

这种技术的使用取决于成功开发一种测试淀粉样蛋白-β的方法，淀粉样蛋白β是脊髓液的一种肽，研究表明。从阿尔茨海默氏症患者的淀粉样蛋白β发生变化到患者出现记忆丧失之间存在很长一段时间。

IBM发布的研究文章描述了利用基于识别血液中蛋白质集合的机器学习预测脊髓液中淀粉样蛋白β浓度的方法。

文章提出了一些基于ML的模型，这些模型可能未来有一天能通过能够简单的血液检查预测患阿尔茨海默氏症的风险。该文章的研究团队认为，他们的ML模型预测未来风险因素的准确率可高达77%。

IBM表示，“虽然该测试仍处于早期研究阶段，但结果可能有助于改善药物试验个体的选择：脊髓液中淀粉样蛋白浓度出现异常的轻度认知障碍患者患阿尔茨海默病的可能性高出2.5倍。“

基于这种ML应用开发的模型有可能在未来为阿尔茨海默氏症测试的新形式提供框架，可替代腰椎穿刺及加快诊断过程，并可大大降低手术的成本和侵入性。

这些模型仍处于早期阶段。机器学习真正进入认知疾病的诊断领域还有很长的路要走。不过IBM团队表示，他们研发的ML算法除了适用于阿尔茨海默氏症也适用于其他疾病，可以扩展到其他基于脊髓液生物标记物的模型和检测。