如果说人工智能能够真正产生前所未有的积极影响的领域，那就是医疗保健——特别是在诊断和治疗痴呆症等目前无法治愈的疾病方面。
全球有超过5500 万人患有痴呆症，每年新增病例近 1000 万。痴呆症最常见的类型是阿尔茨海默病，占所有病例的 60%-70%。
2019年，该疾病给全球医疗保健系统造成的损失达到1.3万亿美元。
心理成本则更高。罹患该病可能引发抑郁和焦虑。更不用说亲眼目睹亲人“消失”时那种难以言表的情感冲击了。
幸运的是，先进的技术为我们带来了一线希望——欧洲的大学正在努力完成这项任务。以下三项雄心勃勃的举措可以为我们提供对抗痴呆症的新武器：
预测阿尔茨海默病的发展和进展
剑桥大学的研究人员开发了一种机器学习模型，可以预测患有轻度记忆和思维问题的人是否会患上阿尔茨海默病，以及患上的速度。
研究团队利用美国一个研究小组的 400 名患者的认知测试和 MRI 扫描建立了该模型，结果显示了患者的灰质萎缩（即大脑神经细胞死亡）。
随后，他们利用来自美国组内的 600 多名参与者以及来自英国和新加坡记忆诊所的 900 名参与者的额外数据对该模型进行了测试。
该算法准确率达到 82% ，可识别出三年内会患上阿尔茨海默病的人，以及 81% 的不会患上阿尔茨海默病的人。
它还能够跟踪疾病的进展速度，为最合适的治疗方案提供有价值的见解。这样一来，就可以减少对正电子发射断层扫描 (PET) 扫描或腰椎穿刺（也称为脊椎穿刺）等昂贵且侵入性检测方法的需求。
科学家们通过六年的跟踪数据验证了人工智能工具的预测。他们认为，他们的解决方案在预测阿尔茨海默病进展方面比临床诊断或灰质萎缩和认知评分等临床指标准确率高出三倍。
该研究的资深作者佐伊·库尔齐 (Zoe Kourtzi) 教授说：“如果我们要应对痴呆症带来的日益严重的健康挑战，我们将需要更好的工具来尽早识别和干预。”
“我们的愿景是扩大我们的人工智能工具，帮助临床医生在正确的时间将正确的人分配到正确的诊断和治疗途径。”
早期痴呆症诊断
在欧盟地平线计划 1400 万欧元的支持下，AI-Mind项目正在开发两种可以早期诊断痴呆症的人工智能工具。
它专门针对轻度认知障碍（MCI）阶段，该阶段没有结构性脑缺陷，仍然可以进行干预。
为实现这一目标，该项目背后的 13 个合作伙伴正在构建 AI-Mind Connector 和 AI-Mind Predictor。
Connector 分析来自 EEG 数据的大脑图像，以检测可能导致痴呆症的认知变化的早期迹象。Predictor 将这些数据与认知测试和血液分析相结合，以 >95% 的准确率评估该疾病的风险。
这两种工具都将集成到可以为医疗专业人员提供支持的基于云的诊断平台中。
该项目的最终目标非常宏伟：将诊断时间从 2 至 5 年缩短至一周。该项目希望通过这种方式延长 MCI 患者的“无痴呆”时间。
AI-Mind 于 2021 年启动，将持续到 2026 年。其合作伙伴包括七所欧洲大学，包括芬兰的阿尔托大学、爱沙尼亚的塔林大学和荷兰的拉德堡德大学医学中心。
追踪蛋白质团块
人工智能在对抗痴呆症方面的另一个用例是加深我们对体内蛋白质团块的了解。
为了保证人体正常运转，细胞内蛋白质与其他分子之间需要发生数十亿次相互作用。但当这些过程出现错误时，蛋白质就会聚集在一起并发生功能障碍，从而导致阿尔茨海默病等神经退行性疾病。
哥本哈根大学的研究人员开发了一种人工智能算法，可以在显微镜图像中发现十亿分之一米的蛋白质聚集。
该算法还可以计算团块数量，根据形状和大小对团块进行分类，并监测它们随时间的变化情况。这样一来，它可以帮助科学家了解这些团块形成的原因，进而推动新药和新疗法的发现。
据该团队介绍，该工具只需几分钟就能自动完成研究人员需要数周才能完成的过程。
机器学习算法作为开源模型在互联网上免费提供。
“随着世界各地的其他研究人员开始部署该工具，它将有助于创建一个与各种疾病和生物学相关的大型分子和蛋白质结构库，”该研究的共同作者尼科斯·哈扎基斯说。
