痴呆症的诊断是通过认知功能测试进行的，例如医院的迷你精神状态检查(MMSE)和医学成像系统，这是一个相当大的系统。随着我们人口的老龄化，越来越多的人正在发展痴呆症。

因此，人们寻求易于使用的痴呆症检测测试。在先前的研究中，诊断主要是使用神经心理学问题进行的，因此对相同问题的习惯化会降低检测痴呆症的能力。

大阪大学和奈良科学技术研究所的一个联合研究小组表明，可以从人与人互动中的对话中检测出痴呆症。这项技术是通过机器学习实现的：机器学习老年人的声音特征，这些声音从计算机上的化身回答了简单的问题。

研究人员提出了用于在早期阶段检测痴呆症迹象的机器学习算法，并开发了使用交互式计算机化身的痴呆症检测系统。他们根据语音，语言和与老年参与者进行对话记录的面部表情创建了机器学习模型。通过机器学习，计算机可以在6个问题中(每个问题2-3分钟)以90%的比率将痴呆症患者与健康对照区分开。

该小组根据神经心理学测试准备了固定问题，而不根据特定测试准备了随机问题，记录了来自12名参与者与化身的语音对话的互动数据(根据诊断标准《精神障碍诊断和统计手册》(由心理医生诊断为痴呆的个体， DSM)-IV)和12个健康对照。他们从记录的数据中提取了语音，语言和图像特征，从而创建了一种检测痴呆症的模型，并使计算机能够自我学习以检测痴呆症：

(a)简介：“你叫什么名字?”

(b)视线测量

(c)阅读测试

(d)固定问题：“今天几号?”

(e)随机问题：您的食欲如何?

(f)故事回忆测试：请记住我要阅读的故事。

结果，计算机能够以92%的准确度区分健康对照者和痴呆症患者。发现通过结合痴呆的特征可以高度准确地区分痴呆，例如根据问题的内容，语调，语音的发声率以及发声中名词和动词的百分比等对化身的问题的响应延迟。

高级作者工藤隆史说：“如果进一步开发这项技术，则可以通过每天与家里的计算机化身交谈来了解老年人是否处于痴呆的早期阶段。这将鼓励他们寻求医疗帮助，从而尽早诊断。”