最近，来自道格拉斯精神病研究中心、麦吉尔转化神经成像实验室的科学家们开发了一种算法，可以可靠地检测痴呆症发病前的症状。
该技术不仅可以用来帮助家庭准备治疗可选方案，还可帮助研究人员选择更好的人进行临床试验，以测试药物的有效性。
研究结果在老龄化神经生物学杂志（Neurobiology of Aging）发表的一项研究中有详细介绍。“如果你能从一群人中分辨出谁会发展成痴呆症，那么这个人就可以更好地测试新药物，这些药物可以预防疾病。”该研究报告的合著者、麦吉尔大学神经外科和精神病学神经学副教授、Pedro Rosa-Neto博士对美国生命科学网（Live Science）这样讲道。
该算法通过脑部扫描寻找淀粉样蛋白的积累，淀粉样蛋白会在患有轻度认知障碍的人脑中积累，直到发展成老年痴呆。而且，大脑中的淀粉样蛋白从开始积累到痴呆症发作之前，这个过程可能是几年，也可能是数十年，并且淀粉样蛋白会在大脑中以不同的速度和位置进行累积。更重要的是，并不是所有有淀粉样蛋白累积的人就必然会导致认知障碍，这使得科学家难以发现痴呆症的发展过程。
不过，机器学习可以使这件事变得更容易。
科学家通过阿尔茨海默氏病神经影像学计划（ADNI）获得数百种PET扫描。通过分析扫描患有轻度认知障碍患者的淀粉样蛋白积累，以训练算法发现痴呆症状。然后，他们在患者发展该疾病之前对其进行脑扫描。
科学家还提出了一套新的脑扫描算法，其中一些数据来自目前患有轻度认知障碍的患者。而且，所有的扫描都是患者在发生该疾病之前进行的，该算法能够预测哪些患者最终会受到损害，准确度高达84％。
“这是大数据和开放科学给病人带来实实在在好处的一个例子，”Rosa-Neto对麦吉尔新闻( McGill News)说。
而这种方法给病人护理方面带来的最大好处是：可以改善临床试验，研究治疗最常见的痴呆形式——阿尔茨海默病药物的效果。
“通过使用这种工具，在研究的时间框架内，临床试验可以把注意力集中在那些有更大可能性发展成为痴呆症的患者身上。”Serge Gauthier博士对麦吉尔新闻补充说，“这将大大降低研究所需的成本和时间”。
加拿大老龄化神经退化联合会（CCNA）和加拿大卫生研究院资助了这个项目。
作者：STEPHEN JOHNSON
编译：梓色扬光
原文链接：http://bigthink.com/articles/scientists-use-machine-learning-to-spot-alzheimers-dementia-before-onset-of-symptoms
“本译文仅供个人研习、欣赏语言之用，不欢迎任何转载及用于任何商业用途。如需转载请注明作者和来源。（本译文所涉法律后果均由本人承担。本人同意简书平台在接获有关著作权人的通知后，删除文章。”）
