每年有 1000 万例新发痴呆症病例被确诊，但痴呆症的不同形式和重叠症状的存在会使诊断和有效治疗变得复杂。现在，波士顿大学的研究人员开发了一种人工智能工具，可以诊断十种不同类型的痴呆症，如血管性痴呆、路易体痴呆和额颞痴呆，即使它们同时发生。

研究人员创建了一个多模态机器学习 (ML) 框架，该框架使用常见的临床数据(例如人口统计信息、患者和家庭层面的病史、药物使用情况、神经和神经心理学检查分数以及 MRI 扫描等神经影像数据)准确识别导致痴呆症的具体病理。这些研究结果发表在《自然医学》杂志上。

波士顿大学乔巴尼安与阿维迪西安医学院医学副教授、博士、FAHA Vijaya B. Kolachalama 表示：“我们的生成式 AI 工具能够使用常规收集的临床数据进行鉴别性痴呆症诊断，显示出其作为 AD 和相关痴呆症的可扩展诊断工具的潜力。”

Kolachalama 补充道：“鉴于获取黄金标准检测的巨大挑战，利用常规临床数据进行诊断的能力变得越来越重要，不仅在偏远和经济发展地区，而且在城市医疗中心也是如此。”他也是计算机科学副教授、哈里里计算研究所的附属教员以及波士顿大学计算与数据科学学院的创始成员。

在这项研究中，多模态机器学习框架基于来自九个不同全球数据集的 50,000 多名个体的数据进行训练。该模型在区分痴呆症类型时，ROC 曲线下面积达到 0.96。ROC 分数范围为 0 到 1。0.5 分表示随机猜测，1 分表示完美表现。