目前，医生几乎没有可用于轻松诊断阿尔茨海默病的工具。除了认知测试，脊髓液可以测试与阿尔茨海默病有关的某些有毒蛋白质的水平，一些训练有素的专家可以从大脑扫描中发现神经变性。但现在迫切需要一种简单、更一致的方法来诊断这种毁灭性的疾病。而在这里，研究人员已经转向了机器学习技术。
利用核磁共振成像数据，新研究将大脑分为100多个不同的区域。然后在几百名患者的数据集上训练了一种算法，其中一些是阿尔茨海默病患者，一些是其他神经系统疾病患者，还有一些是健康对照组。
一旦训练好了，该算法就被放在一组独立的大脑扫描上进行测试，值得注意的是，它能够以98%的准确率从健康受试者中检测出那些阿尔茨海默病患者。更令人印象深刻的是，该算法可以将早期阿尔茨海默病的大脑与晚期扫描区分开来，准确率为79%。
有趣的是，由于该算法在整个大脑中寻找与阿尔茨海默病有关的小变化，因此发现了一些过去与阿尔茨海默病无关的区域。小脑和大脑腹侧的变化是出乎意料的，该研究呼吁对阿尔茨海默病和这些大脑区域之间的关联进行新的研究。
“尽管神经放射学家已经解释了MRI扫描，以帮助诊断阿尔茨海默病，但扫描中很可能有一些特征是不可见的，即使对专家来说也是如此，”从事该项目的伦敦帝国理工学院的研究人员Paresh Malhotra说。“使用一种能够选择大脑中受阿尔茨海默病影响的纹理和微妙结构特征的算法，可以真正提高我们从标准成像技术中获得的信息。”
与这项新研究无关的专家对这些发现持谨慎的乐观态度。来自伦敦玛丽女王大学的神经学家Charles Marshall说，这项新技术有可能彻底改变阿尔茨海默病的诊断，但在将其推广到诊所之前还需要更多现实世界的证明。
Marshall说：“为了让患者受益，我们现在需要评估机器学习技术在真实世界的临床环境中检测阿尔茨海默病的效果如何，而不是使用精心策划的研究数据。”
来自伦敦大学学院的Rob Howard则更谨慎一些。他认为新的发现很有趣，但他警告说，痴呆症的诊断让患者深感不安，不可避免地需要更多的临床工作，而不仅仅是一次大脑扫描。
Howard指出：“痴呆症的诊断是改变生活的，应该总是在考虑了病人的病史、临床检查和脑部扫描等测试结果后作出。过度依赖脑成像已被证明与痴呆症的误诊有关，我已经学会对那些告诉我他们的痴呆症是通过脑扫描诊断出来的病人保持谨慎。”
这项新研究的负责人Eric Aboagye说，这项新技术可以成为一种工具，帮助加快目前可能延续数月的诊断过程。这项新技术还可用于帮助研究人员更好地识别早期阿尔茨海默病患者，以进行测试新疗法的临床试验。
Aboagye说：“如果我们能够减少他们必须等待的时间，使诊断成为一个更简单的过程，并减少一些不确定性，这将有很大的帮助。我们的新方法还可以为新药物治疗或生活方式改变的临床试验确定早期患者，这在目前是很难做到的。”
这项新研究发表在《Communications Medicine》杂志上。
