“機器改進”工具或可預測痴呆進展

新的研究表明，一個新型老年痴呆預測模型――被稱為病情指數(DSI)――或可有助於識別10年後的疾病風險。DSI是一個經過驗證的風險評估工具，利用“機器改進”方法分析大量健康信息。該研究在線發表於12月6日的Journal of Alzheimer's Disease.

資深作家Alina Solomon(東芬蘭大學)表示，“我們很高興看到這個工具能夠很好的預測痴呆。”不過她強調，DSI不能用於痴呆診斷，但可有助於作出決定和制定預防痴呆的策略。

大數據人工智能

研究者解釋稱，機器改進是利用多種方法指導計算機以提高預測能力的過程。這種類型的大數據人工智能只是剛開始被用於痴呆預防中。相比之前一些用於計算痴呆風險評分的方法，DSI的主要優勢在於其處理大量異構數據、缺失數據和利用未加工數據的能力。

研究者補充道，之前DSI尚未在認知未受損的普通人群中被觀察過。有趣的是，DSI聯合疾病狀態脂紋方法可以以一種簡單、快速可說明的視覺形式呈現結果。

這項心血管危險因素、衰老和痴呆(CAIDE)研究最初包括1449例年齡在65～79歲的參與者，且在隨訪時進行各種各樣的檢查，包括MRI、血液測試和神經心理學評估。

研究人員納入709例CAIDE研究中被歸類為首次研究訪問時認知正常的參與者，並在10年後進行第二次重新檢查。

經過驗證的結果

在首次隨訪時(基線時)無痴呆或輕度認知障礙的參與者中，39例在第二次重新檢查時出現痴呆。

複合DSI包括認知和血管因素、主觀記憶狀態和APOE基因型，顯示顯著的曲線下面積(AUC，0.79)和非常狹窄的95%置信區間(CI; 0.79 - 0.80)。

研究者還對來自芬蘭醫院出院登記、藥物報銷記錄和死亡原因登記中的1009例患者的記錄進行觀察。在這些參與者中，151例患者在平均9.0年的隨訪期間罹患痴呆。這一擴展人群的複合DSI AUC也很顯著(0.75; 95% CI, 0.74 - 0.75)。

研究者寫道，這些詳細、可視、易於描述的個別風險狀況可能有助於採取痴呆預防干預措施。Solomon指出，我們開發DSI用以支持臨床決策的指定，而且我們也熱衷於探索其可能的實際應用。

然而，我們仍需要在非芬蘭人群中對其進行驗證，並觀察在其他年齡人群中是否同樣有效，或者隨著時間的推移能否監測風險水平。

這只是眾多預測工具中的一個。我認為我們需要一系列工具――從簡單的工具到複雜的工具。而且我們還需要知曉該風險預測與預防策略之間的聯繫，從而我們才能識別出那些更可能從干預措施中獲益的人群。

注：此資訊源于網路收集，如有健康問題請及時咨詢專業醫生。