摘要

早期檢測阿爾茨海默症一直是科學界和醫學界的一個難題。

人工智慧（AI）演算法，透過掃描電子健康記錄，提前8年預測老年人患認知症的風險。

阿爾茨海默症是65歲以上老年人常見的疾病，其中每三個老年人就有一個會因為阿爾茨海默症去世。阿爾茨海默症並不是突發的疾病，就像我們能看到冰山一角的時候，冰山已經累積了很久很高了。

阿爾茨海默症最初是由於大腦中毒性蛋白無法排出、異常累積，慢慢積累到一定程度，逐漸影響人體功能。等到我們發現“冰山”的存在，出現記憶力下降、語言能力下降、行動受損的時候，其實“冰山”早已形成很久了。

健康記錄預測認知症風險

如何早期檢測“冰山”的到來，預防阿爾茨海默症一直是科學界和醫學界的一個難題。哈佛大學附屬醫院的科學家們開發了一個人工智慧（AI）演算法，透過掃描電子健康記錄，就能使用計算機演算法自動梳理與認知障礙相關的問題，提前八年預測老年人患認知下降和認知症的風險。

這項研究使用了兩家大型醫院中，2005年到2017年期間，18歲以上沒有認知症病人的醫院就診記錄。在1251858名有醫療記錄的病人中，跟蹤了267855位病人長達13年，最終6516名病人（2.4%）被確診為認知症。實際的診斷結果，與他們的計算機模型預測阿爾茨海默症機率比較一致。即使把這些病人分為老年組（50歲以上）和年輕組（50歲以下），分別進行分析，他們的模型預測的結果依舊與實際診斷資料比較一致。能在病人確診阿爾茨海默症的8年前，就能準確地給不同病人進行認知症風險的分級。

https://pubmed.ncbi.nlm.nih.gov/31859230/

這項AI技術的關鍵在於，計算機演算法會自動在病人的電子病歷中抓取相關的關鍵詞，並給這些關鍵詞進行打分。機器一開始被賦予的詞庫只有美國國家衛生健康局制定的痴呆標準，作為搜尋條件。人工智慧醫學的智慧就體現在這裡，他們開發的計算機語言能夠根據原有的一些詞語，自動拓展學習，擴大了臨床上和實際就診中可能出現的詞語，大大拓展了原有詞彙的覆蓋範圍。例如，原本給定的詞語是“記憶下降”，那麼機器自己學習拓展的詞彙可能就會有“忘了”、“記性不好”、“走錯路”、“丟三落四”等。

隨後，根據機器提取的詞語，以及症狀的嚴重程度，給所有可能相關的認知症狀進行打分。比如，記憶下降的問題從各種角度一共能羅列出20個不同的關鍵詞，一個病人的病例中出現了5個關鍵詞，那麼就給這個人打分25%（5/20）。他們用這個方法捕捉和反映每個人的情況，並將他們的疾病概念轉化為不同的維度。最後的總體得分是根據每個人在每個部分的得分，和每個關鍵詞的重要性和佔比，得出了一個總的認知症風險分數。比如，結果會告訴病人，他可能有近期確診的風險，會在1年內確診為認知症，或者會在一年後確診為認知症（長期確診風險）。

這個系統神奇的一點是，他們的最終得分會有不同的情況分類。比如，這個資料會告訴一個病人，你可能存在長期確診風險，短期一兩年內不會出現明顯的症狀。但是如果抽菸、酗酒以及經常熬夜的習慣不改掉的話，你的風險可能會變成短期風險，會在一年內確診為阿爾茨海默症。

除此之外，這個研究還根據病人的病例，分析了病人們確診後的情況。比如：一旦確診為認知症，認知症的嚴重程度怎樣，死亡的風險大概是多少。在電子醫療記錄中，他們發現認知症患者平均的生存天數為2186天，而認知障礙最嚴重的重症患者生存天數為298-399天。透過對比分析不同病人的症狀表現情況，會對所有病人進行大概的分析。比如，根據某個病人的病例和症狀描述，他的表現是中度痴呆情況，記憶力和行動能力會在三年內出現嚴重的受損，病人大概有5年的存活期等。

透過對老年組和青年組的跟蹤資料分析，他們把不同的認知症發生率和認知症狀的嚴重情況進行匹配起來，發現與“運動”相關的詞語，能讓認知風險和死亡率下降。也就是說，運動是能夠減緩認知症進一步惡化的關鍵手段。

提前預測阿爾茨海默症風險，防患於未然，是目前大多數醫學診斷技術想要達到卻無法實現的技術。透過合理的機器學習，建立和識別認知症的風險，提前了8年預測出阿爾茨海默症的診斷風險，無疑是振奮人心的一個醫學突破。要知道，40%的阿爾茨海默症是可以透過改變生活方式、飲食習慣以及生活環境而有效預防和延緩的。這項研究也發現，即使不幸患了阿爾茨海默症，運動也能夠有效的阻止病情進一步惡化。

這項技術相當於告訴我們，你可能在8年後有患阿爾茨海默症的風險，並提出主要可能是由什麼行為導致的。確診阿爾茨海默症以後，你可能會變成什麼樣子，喪失記憶、迷路、失去行動能力等。當這一切的後果和預測診斷直接報告給人們的時候，再告訴他們，你還有8年時間改變自己的生活習慣和飲食方式，來避免和延遲疾病的到來。相信很多人會更加註意自己的生活方式和日常習慣。

這個軟體工具最初是由哈佛大學開發出來，用於預測自殺和意外死亡風險，以及有精神問題兒童的住院可能性。透過調整和改善，發現這個工具也能用於研究其他的腦部疾病，如本文所提的認知症。

語言能力預測認知症風險

無獨有偶，IBM和美國輝瑞公司也開發出了一套演算法，也用了相似的演算法，能提前7.4年預測人的阿爾茨海默症發病。不同的是，這項演算法僅僅根據人的語言能力來進行預測。這項研究最終發表在了《柳葉刀》上。

https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(20)30327-8/fulltext

這項研究使用了心臟研究中心從1991年開始記錄的270名患者的700多份書面報告，成功地在發病前7.6年預測了74%的阿爾茨海默症。資料收集了病人認知能力的測試，並每隔4-5年更新一次被試們的測試資訊。在語言能力環節中，他們使用了不同單詞的數量、單詞的豐富程度，以及重複等來測試語言的詳細程度、詞彙的豐富性和重複性。另外，拼寫錯誤、標點符號、大小寫、寫作風格和單詞的序列等都用於他們的計算機建模中，分析語法和語句的複雜性，來評估每個人的語言能力。透過評估被試們複述問題、重複故事、書寫能力的好壞程度，就能預測一個人患阿爾茨海默症的風險。

IBM的醫療保健研究副總裁Ajay認為，他們開發的這個AI工具是一個很好的非侵入式的測試。但同時，由於語言能力需要長期跟蹤才能知道一個人的語言能力是否有變化，因此，他建議醫生可以在病人年輕的時候開始收集病人的語言技能，每隔5年更新一次。雖然這個檢查並不包含在我們的臨床中，但目前的技術已經可以用於識別大部分的阿爾茨海默症，還是值得嘗試的。

https://news.harvard.edu/gazette/story/2019/12/early-detection-of-alzheimers-possible-through-algorithm/

總的來說，哈佛大學和IBM的這兩個研究分別利用人工智慧技術，從不同的角度預測了阿爾茨海默症的發病風險。希望這項技術能夠儘快推廣，到時候每個人都可以像性格測試一樣測試自己患認知症的風險，並提早預防。

40%的阿爾茨海默症是可以透過改變生活方式、飲食習慣以及生活環境而有效預防和延緩的。

人工智慧技術，可以從不同的角度預測阿爾茨海默症的發病風險。

積極、自律、向上、智慧、淵博、風趣、充滿魅力