麦吉尔大学的人工智能研究成果，用不了多久就可以让世界各地的临床医生在临床中使用。

道格拉斯心理健康大学研究所的、McGill 神经影像实验室的科学家，使用人工智能技术和大数据开发了一种算法，能够在发病前两年，准确识别出痴呆症的症状。

使用单次淀粉样蛋白 PET 影像，扫描患有脑部风险的、可能发展成阿尔茨海默病的患者。他们的研究结果出现在《Neurobiology of Aging》杂志上发表的一项新研究中。

McGill 神经外科和精神病学部门的研究副教授兼首席研究员 Pedro Rosa-Neto 博士预计，这种技术将改变医生管理患者的方式，并大大加速阿尔茨海默病的治疗研究。

“目前，临床试验只能关注在研究的时间范围内，更有可能发展成痴呆症的个体，通过使用这个方法，将大大降低进行这些研究所需的成本和时间。”麦吉尔神经外科教授 Serge Gauthier 博士补充说。

淀粉样蛋白作为检测痴呆的标志物

科学家早已知晓被称为淀粉样蛋白的蛋白质，会积累在患有轻度认知障碍（MCI）患者的脑部，这种情况常常导致痴呆。

虽然在痴呆症状发生前几十年中，淀粉样蛋白一直在积累，但由于不是所有的 MCI 患者都会发生阿尔茨海默病，因此该蛋白质不能可靠的被用作预测性生物标志物。

为了进行研究，麦吉尔研究人员利用了阿尔茨海默病神经影像学计划（ADNI）提供的数据，这项全球研究工作需患者同意，并完成各种成像和临床评估。

来自 Rosa-Neto 和 Gauthier 团队的计算机科学家 Sulantha Mathotaarachchi，使用数百个来自 ADNI 数据库的 MCI 患者的淀粉样蛋白 PET 扫描，来训练团队的算法，以鉴定哪些患者会发生痴呆，症状发作前的准确率为 84%。

他们也在研究中，试图寻找可以纳入该算法的其他痴呆生物标志物，以提高软件的预测能力。

麦吉尔大学老龄研究中心主任罗莎 - 内托博士（Dr. Rosa-Neto）说：“这是数据和开放科学大数据，为疾病预防和治疗最切实的一个例子。

虽然新的软件已经在线提供给科学家和医生，但在医疗机构认证之前，医生无法在临床实践中使用此工具。

为此，McGill 团队正在进行进一步测试，以验证不同患者队列中的算法，特别是那些具有并发条件如轻微脑中风的算法。