再也不用手撕報紙，這家公司利用AI提前18個月精準預測老年癡呆

【獵雲網（）】7月16日報導（編譯：Cen）

全球每年都會有上百萬的人被阿爾茨海默症（老年癡呆症）所困擾。根據阿爾茨海默症協會的數據，阿爾茨海默症是美國致死率第六高的病症，因其而死亡的人數比乳腺癌和攝護腺癌加起來還要多。其治療費用還很昂貴，如果能夠通過早期檢查對其進行檢測，能夠省下差不多7.9億美元的醫療費用。

Unlearn.AI是一家專門為臨床研究設計軟體工具的初創公司。該公司的研究員認為人工智慧在個性化診斷和治療中能夠起到非常重要的作用。一篇發表在預印論文網站Arvix.org（文章名《Using deep learning for comprehensive, personalized forecasting of Alzheimer』s Disease progression》）上的文章中，研究員提出了一個能夠對疾病進行預測的系統，這個系統本質上能夠預測每個病人在未來的每個階段可能遇到的各類癥狀。

「兩個擁有相同疾病的病人有時也會呈現出不同的癥狀、不同的病情發展以及不同的對於治療產生的反應，」該研究團隊寫道，「了解如何預測以及管理病人之間的這些不同點才是精準醫療的首要目標。應用機器學習方法而開發出來的疾病發展監測電腦模型為我們提供了一個有效解決病人之間的異質性問題的工具。」

能夠檢測到認知能力下降的人工智慧系統並不是沒有前例。蒙特利爾麥吉爾大學的神經學家們就開發過一種PET掃描攝取演算法。該演算法能夠以84%的準確率識別最終會患上癡呆症的病人。另外，杜克大學的科學家們以及克羅埃西亞的Rudjer Boskovic研究所也使用了機器學習法用來了解腦組織缺失隨著時間而產生的變化。

但是Unlearn.AI的系統採用的是一種無人監管的學習方法，也就是說它使用的是沒有進行過分類以及標記的數據。另外，它能夠一次同時計算出一個病人的各種病狀的預測以及置信區間。

整個系統的開發主要分為兩部分。

首先，開發團隊應用Boltzmann編碼對抗式機器（BEAM）對臨床數據進行了建模。BEAM是一種完美適配於將數據分類和特徵進行建模的一種神經網路。他們在「抵禦重大疾病協會」（Coalition Against Major Diseases）的專門為阿爾茲海默症而設立的在線資料庫（該資料庫由18個月中收集到的涵蓋了42個變數的1908名的阿爾茲海默症患者的數據組成）中將其進行了訓練和測試。開發團隊對患者進行的測量方法包括了老年癡呆量表-認知（ADAS-Cog，一種被廣泛使用的認知子尺度）以及簡短精神狀態檢查（Mini-Mental State Examination，用於測量臨床和研究環境中認知障礙的問卷）。

然後，該開發團隊使用這個已成型的模型來生成「虛擬患者」及其相關的認知測試分數、實驗室測試數據以及臨床數據。他們為個體患者進行了模擬，以便在諸如單詞回憶，定向和命名等方面預測其疾病進展，這些數據又能反過來用於測算老年癡呆量表-認知分數。

研究人員聲稱，該項無監管的模型可以對老年癡呆認知做到起碼18個月的精確預測，另外他們認為該模型同樣能夠用來預測那些患有其它退行性疾病的患者的最終結果。

該研究團隊寫道：「我們在這裡描述的對阿爾茲海默症的癥狀進展進行模擬的方法能夠很好的擴展到其它疾病上去。對於臨床數據的深度生成模型的廣泛應用能夠產生跟真實醫學數據相比更少的隱私問題的合成數據集，或者能夠用來進行模擬臨床試驗以優化研究設計。在某些特定的疾病領域中，使用模擬數據來預測特定個體的疾病風險的工具能夠幫助醫生為他們的病人去選擇更為正確的治療方法。」