剑桥科学家开发了一种人工智能工具，能够在五分之四的情况下预测有早期痴呆症迹象的人是否会患上阿尔茨海默病。这种方法可以减少侵入性、昂贵的测试需求，同时提高早期治疗效果。

剑桥大学教授 Zoe Kourtzi 表示：“尽管仅使用认知测试和 MRI 扫描的数据，但我们的工具在预测阿尔茨海默病进展方面更加敏感。”

全球有超过 5500 万人患有痴呆症，预计未来 50 年内病例数量将增加两倍。早期发现至关重要，因为阿尔茨海默病是痴呆症的主要病因，占病例总数的 60-80%。然而，目前的诊断方法可能具有侵入性且费用昂贵，容易导致误诊。

该 AI 模型在《eClinical Medicine》中进行了详细介绍，它使用认知测试和 MRI 扫描等非侵入性患者数据来比现有工具更准确地预测疾病进展。仅通过认知测试和 MRI 扫描，它就正确识别了 82% 的阿尔茨海默病病例进展和 81% 的无进展病例。

该算法比现有方法准确率高出约三倍，还可以根据患者的病情进展速度将其分组，有助于早期治疗干预。该模型已通过英国和新加坡记忆诊所 900 名患者的数据进行了验证，表明其在现实临床环境中具有适用性。

剑桥大学精神病顾问医生本·安德伍德博士说：“减少对早期痴呆症迹象的不确定性是令人兴奋的，而且随着新兴治疗方法的出现，这一发现可能会变得更加重要。”

该研究由多家知名机构资助，旨在将该模型扩展到其他痴呆症类型和数据形式，从而可能彻底改变早期痴呆症的诊断和治疗途径。