痴呆症目前是全球人口第七大死因，也是造成全球老年人能力丧失和依赖他人的主要原因之一。准确诊断痴呆症有利于老年人晚年的身体健康，并减轻他们的家庭负担。如今，由波士顿大学研究团队及其合作者开发的一个人工智能（AI）工具，有望帮助我们（同时）诊断 10 种不同类型的痴呆症，将神经科医生的准确率提高了 26% 以上。
相关研究论文以“AI-based differential diagnosis of dementia etiologies on multimodal data”为题，已在线发表在科学期刊 Nature Medicine 上。
“我们的生成式 AI 工具能够利用常规收集的临床数据进行痴呆症的鉴别诊断，展示了其作为阿尔茨海默病及相关痴呆症可扩展诊断工具的潜力，”该论文的通讯作者、波士顿大学 Chobanian & Avedisian 医学院医学副教授 Vijaya B. Kolachalama 博士说道。
研究团队希望，随着未来 20 年痴呆症病例数量预计将翻倍，这个 AI 工具可以提供准确的鉴别诊断，并支持对痴呆症增加的针对性治疗需求。根据世界卫生组织（WHO）所给的数据，目前全世界有超过 5500 万人患痴呆症，且每年全世界会新增一千万痴呆症病例，但不同形式的痴呆和症状的重叠可能会使诊断变得复杂，从而不能提供有效治疗。
鉴于此，研究团队开发了一个多模态机器学习（ML）框架，该框架使用常规收集的临床数据准确识别导致痴呆症的具体病理。利用从各种队列获取的多模态数据，研究团队的模型采用严格的方法进行鉴别诊断痴呆症。它将个体分配到十三个诊断类别之一或多个，这些类别是通过神经病学家团队的共识定义的。
在随机选择的 100 例案例中，使用 AI 模型辅助神经科医生评估的 AUROC 比单独使用神经科医生评估的 AUROC 高出 26.25%，表明模型能够提高临床医生诊断痴呆症的准确性。模型预测结果与神经科医生和神经放射科医生的评估结果具有高度一致性，表明模型能够提供可靠的辅助诊断信息。