全世界约有4400万人患有阿尔茨海默病(AD)或相关形式的痴呆症。虽然美国82%的老年人认为检查他们的思维或记忆很重要，但只有16%的人说他们接受定期的认知评估。

许多传统的记忆评估工具可供卫生专业人员广泛使用，但筛查和检测准确性和可靠性方面的缺陷仍然普遍存在。但即使使用越来越有利的仪器MemTrax，一种使用图像识别的非常简单的在线记忆测试，这种新方法作为记忆功能筛查工具的临床功效尚未得到充分证明或验证。在实践中，在解释记忆评估测试结果时需要考虑许多综合和复杂因素，这对临床医生提出了真正的挑战。所有这些因素都是适当解决AD和受该疾病影响的人群日益普遍流行的集体障碍。

人工智能能否成为测试和管理这种复杂的人类健康状况的解决方案?佛罗里达大西洋大学工程与计算机科学学院，SIVOTEC分析学院，HAPPYneuron，MemTrax和斯坦福大学医学院的一组研究人员这样认为，并将他们的理论付诸实践。

研究人员采用监督机器学习和预测建模的新颖应用来证明和验证MemTrax作为评估认知障碍的临床决策支持筛查工具的横截面效用。

该研究结果发表在阿尔茨海默病杂志上，介绍了有监督的机器学习作为一种现代方法和新的增值互补工具，用于认知大脑健康评估和相关的患者护理和管理。

研究结果证明了MemTrax潜在的有效临床效用，作为在线连续识别任务(M-CRT)测试的一部分，用于筛查认知脑健康的变化。值得注意的是，MemTrax与公认的和广泛使用的蒙特利尔认知评估评估轻度认知障碍的比较强调了这种新的在线工具和方法在评估各种认知筛查和评估的诊断支持中的短期记忆的能力和潜力。临床症状和损伤，包括痴呆症。

“机器学习具有从大型，复杂的相互依赖的临床决定因素阵列中揭示有意义的模式和见解的内在能力，以及从实际预测模型的持续效用中继续”学习“的能力，”Taghi Khoshgoftaar博士说。 。，FAU计算机与电气工程与计算机科学系的合着者和摩托罗拉教授。“无缝使用和实时解释将通过创新技术和实用且易于使用的集成临床应用程序来增强病例管理和患者护理，这些应用程序可以开发成手持设备和应用程序。”

在研究中，研究人员使用了HAPPYneuron的现有数据集(18,395)。他们检查了一般健康检查问题的答案(解决记忆，睡眠质量，药物和影响思维的医疗条件)，人口统计信息以及采用MemTrax(M-CRT)测试进行情景记忆筛查的成年人样本的测试结果。MemTrax表现和参与者特征被用作独立属性：真正的正面/负面，百分比响应/正确，响应时间，年龄，性别和最近的酒精消耗。对于预测建模，他们使用人口统计信息和测试分数来预测基于筛选问题的健康相关问题(是/否)和一般健康状况(健康/不健康)的二元分类。

“我们研究的结果为推进临床治疗阿尔茨海默病等非常复杂疾病的方法迈出了重要一步，”SIVOTEC Analytics开发和应用高级作者兼高级副总裁Michael F. Bergeron博士说。“通过分析人类系统多个领域的广泛属性和大脑健康的功能行为，知情和战略指导的高级数据挖掘，监督机器学习和强大的分析对于医疗保健提供者来说可以是不可或缺的，事实上是必要的检测和预测这种疾病的进一步发展和认知障碍的无数其他方面。“