我们还没有治愈方法，但尽早发现意味着可以做好准备，甚至可以采取预防措施。
新的(AI) 模型很快就能在疾病症状出现前数年为那些注定会出现这种症状的人提供早期预警。
来自加州大学旧金山分校 (UCSF) 和斯坦福大学的团队提出申请机器学习方法对超过 500 万份健康记录进行训练，训练人工智能发现相互关联的模式到其他条件。
由此产生的系统并不完美，但当对已知后来患上阿尔茨海默氏症的人的记录进行测试时，人工智能能够在 72% 的时间内准确预测其发展情况——在某些情况下，甚至可以在七年前预测到。
人工智能系统的预测能力源于它能够结合对几种不同风险类型的分析来计算发生风险的可能性。这些发现可以告诉我们更多关于这种疾病的原因，以及谁可能容易受到这种疾病的影响。
“这是在常规临床数据上使用人工智能的第一步，不仅可以尽早识别风险，还可以了解其背后的生物学原理，”说来自加州大学旧金山分校的生物工程师 Alice Tang。
该模型检测到了许多可用于计算阿尔茨海默病风险的条件，包括高血压，,D缺乏症，以及。勃起功能障碍和前列腺肥大也是男性的重要因素，骨质疏松症（一种骨骼疾病）对女性来说很重要。
这并不是说有这些健康问题的人会患上痴呆症，但人工智能分析将每一个因素都权衡为值得关注的预测因素。希望有一天，同样类型的机器学习方法能够识别其他难以诊断疾病的风险因素。
“正是疾病的组合使我们的模型能够预测阿尔茨海默病的发病，”说唐. “我们发现骨质疏松症是女性的预测因素之一，这凸显了骨骼健康与痴呆风险之间的生物相互作用。”
研究人员还调查了一些已识别链接背后的生物学原理。研究发现骨质疏松症、女性阿尔茨海默病和 MS4A6A 基因的变异之间存在关联，这为研究这种疾病的发展提供了新的机会。
“这是一个很好的例子，说明我们如何利用患者数据和机器学习来预测哪些患者更有可能患上阿尔茨海默病，并了解其原因，”说Marina Sirota，加州大学旧金山分校的计算健康科学家。
该研究发表于自然老化。
