在人口老龄化日益加剧的今天，痴呆症，这一逐渐侵蚀人类认知能力的疾病，成为了社会关注的焦点。它不仅给患者的生活带来了巨大挑战，也给家庭和社会带来了沉重的负担。

准确诊断痴呆症有利于老年人晚年的身体健康，并减轻其家庭负担。

日前，发表在Nature Medicine上的一项研究显示，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，有望帮助人们同时诊断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。

因为不同病因的症状存在重叠，痴呆症的鉴别诊断在神经病学中仍是一个挑战，但这对制定早期个性化管理策略至关重要。在该项研究中，研究人员介绍了一个AI模型，该模型利用包括人口统计学信息、个人及家族病史、药物使用情况、神经心理学评估、功能评估和多模态神经影像学在内的广泛数据，来识别导致个体痴呆症的病因。

该研究利用来自9个独立、地域分布广泛数据集的51269名参与者，成功识别出10种不同的痴呆病因。它将诊断与类似的管理策略相结合，即使在数据不完整的情况下也能确保预测结果的稳健性。

该模型在区分认知正常、轻度认知障碍和痴呆症患者时，微平均接收者操作特征曲线下的面积（AUROC）达到了0.94。同时，在区分痴呆病因时，微平均AUROC达到了0.96。该模型在处理混合痴呆病例方面也表现出色，对于两种同时发生的病理情况，平均AUROC为0.78。在随机选取的100例病例子集中，结合该AI模型的神经科医生评估的AUROC比仅由神经科医生进行的评估高出26.25%。

此外，该模型预测与生物标志物证据相一致，并且其与不同蛋白质病的相关性通过尸检结果得到了证实。该框架有可能被整合为各种临床环境和药物试验中的痴呆筛查工具，对个人层面的管理具有重要意义。

当然，该研究也存在不足。研究数据主要来自白人人群，缺乏对其他种族和族裔的代表性，这可能导致模型在处理不同人群时出现偏差。数据集中包含了大量的阿尔茨海默病病例，这可能使模型偏向于识别阿尔茨海默病亚型，而忽略了其他痴呆亚型的特征。

模型训练数据可能反映了不同临床医生之间诊断决策的主观性和差异性，这可能会影响模型的准确性。未来研究需要收集更一致和标准化的诊断数据，以进一步提高模型的可靠性。

随着AI技术的不断成熟与普及，我们有理由相信，未来将有更多痴呆患者能够在科技的助力下，享受到更加有尊严、有质量的生活。

（环球医学编辑：常路）

参考资料：
AI-based differential diagnosis of dementia etiologies on multimodal data
https://pubmed.ncbi.nlm.nih.gov/38585870/
AI又一突破，10种痴呆症类型同时诊断，将人类医生准确率提高26%
https://www.thepaper.cn/newsDetail_forward_28073721