—此项研究有利于改善病患看护，加快对阿尔茨海默病的研究
摘要：
想象一下如果医生可以提前几年诊断出哪些人有可能患上痴呆症，这种预测能力就能够帮助患者及其家属提前规划，准备治疗和护理方案。而麦吉尔大学进行的人工智能研究，使这种预测能力很快就能广泛应用于临床了!
麦吉尔大学道格拉斯心理健康研究院平移神经成像实验室的科学家们利用人工智能技术结合大数据开发出一种能够在病发两年前识别出痴呆症特征的运算方法，只需要对有患阿尔茨海默病风险的患者进行大脑单一淀粉样PET扫描就可以了。他们的发现也被老化神经生物学杂志发表的一项研究所引用。
Pedro Rosa-Neto博士是麦吉尔大学神经学、神经外科及精神学系的副教授，也是这项研究的联合作者，他表示期待这一技术能够改变医师管理病人的方式并大大加速对阿尔茨海默病的研究进程。
“运用这一技术工具，临床试验可以集中研究那些更有可能发展成痴呆症的对象。这会大大降低研究成本和节约研究时间，”Serge Gauthier博士补充说。他是麦吉尔大学神经学、神经外科及精神学系的教授及此研究的联合作者。
痴呆症的生物标志物—淀粉样蛋白
科学家早先在具有轻微认知障碍(缩写为MCI，往往会发展成痴呆症)的病人脑中发现了一种蛋白质在不断累积，也就是现在大家熟知的淀粉样蛋白。虽然在痴呆症状出现之前很多年淀粉样蛋白就开始累积，但是这种蛋白质也并不能作为完全可靠地预测性生物标记，因为并不是所有的MCI患者都会发展成阿尔茨海默病。
为了进行他们的研究，麦吉尔大学的研究者们利用了阿尔茨海默病神经影像计划(缩写为ADNI)上的可用数据，ADNI是一项全球性的研究工作，参与其中的患者自愿参与一系列的影像计划和临床评估。
Sulantha Mathotaarachchi是Rosa-Neto和Gauthier团队的一位计算机科学家，他利用来自ADNI数据库的数百位MCI患者的淀粉样蛋白PET扫描结果，优化团队的运算方法来确定出哪些患者会发展成阿尔茨海默病，其精确度达到84%。目前研究还在继续寻找其他的痴呆症生物标志物来结合到运算法则里面，以提高此算法的预测能力。
“这也是将大数据和开放科学相结合为病人护理带来的实实在在的帮助，”Rosa-Neto博士说，他同时也是麦吉尔大学老年化研究中心的主管。
目前科学家和学生们已经可以从网上获取这一软件了，但是医师还需要在获得卫生当局的许可证明后才能将这一工具应用于临床实践。为实现这一目标，麦吉尔大学的研究团队正在进行进一步的测试，以确认这一算法在不同患者群体中的有效性，特别是那些有像小卒这种共有症状的群体。
参考文献：:
1.Sulantha Mathotaarachchi, Tharick A. Pascoal, Monica Shin, Andrea L. Benedet, Min Su Kang, Thomas Beaudry, Vladimir S. Fonov, Serge Gauthier, Pedro Rosa-Neto. Identifying incipient dementia individuals using machine learning and amyloid imaging. Neurobiology of Aging, 2017; DOI:10.1016/j.neurobiolaging.2017.06.02
本文原创编译，如需转载，请注明出处。
京公网安备11010502039775号
