多數病發於老年、無法醫治的失智症成為高齡化社會隱憂。義大利巴里大學研究人員主張人工智慧（AI）可用於早期預測阿茲海默症。他們開發AI模型，蒐集阿茲海默症患者病發前10年間的微小身體變化，並訓練模型「認出」症狀，進而預測阿茲海默症發病可能性。
年齡增長 罹病機率大
失智症（dementia）也稱為癡呆症，是一種無法治癒的症候群。除了記憶力減退，還會影響到其他認知功能，包括語言能力、判斷力等的退化，還可能出現個性改變、妄想或幻覺。
失智症影響全球3600萬人，其中大約10％的人會在有生之年中發病。失智症與年齡增長息息相關，約3％的人在65到74歲之間得病，另外19％的人則在75到84歲之間，而將近一半的人則在85歲以後得病。
最常見的失智症是阿茲海默症（Alzheimer’s disease），該患者佔總體50％到70％。其他常見的包括中風引起的血管型失智症、路易氏體失智症等。相對少見的失智成因則有常壓型水腦症、帕金森氏症等。少部分失智症起因於家族遺傳。
全球研究有的嘗試使用血液與腦脊液檢測，也有人嘗試開發小工具，尋找阿茲海默症的早期跡象。義大利巴里大學的研究人員認為，AI是早期檢測阿茲海默症的最佳解決方案。
患者病史 成辨識資訊
巴里大學開發出一個機器演算法，蒐集阿茲海默患者病發前10年間的微小身體變化，並訓練此AI模型「認出」症狀，進而預測發病可能性。
首先，他們利用67份MRI掃描訓練AI模型，其中包括38份阿茲海默症患者掃描紀錄以及29份健康對照組。訓練完成後，讓AI針對148名測試者進行腦部掃描，其中有48名阿茲海默症患者，以及48名目前呈現輕度知能障礙的患者，輕度知能障礙一般被認為是失智症的過渡期。
結果顯示，AI辨識出阿茲海默症患者的準確率高達86％，輕度認知障礙患者準確率亦高達84％。這表示此AI模型如果發展成熟，很有可能成為阿茲海默症早期診斷的有效工具。
動態追蹤 找出規律性
另一方面，美國麻省理工學院（MIT）電腦科學與人工智慧實驗室卡塔比教授領導的團隊，則開發出監測阿茲海默症早期症狀的動態追蹤裝置：一個裝在牆上的扁平白色方盒。它使用低功率無線電波，能反射半徑9公尺內所有物體。任何微小動態，甚至呼吸，都會引起反射訊號變化，藉此記錄人每天的一舉一動。所有訊號皆上傳雲端，再用機器學習演算法分析這些微小的反射變化，從大量數據中找出規律，辨識病人的步伐、位置、呼吸模式、睡眠狀況等。
新藥藥效 靠它來判斷
收集大量的行為數據，能幫助研究人員追蹤及瞭解病人早期徵兆，例如躁動、憂鬱、睡眠中斷、重複特定行為等等，都是阿茲海默症的徵兆。
研究參與者有已確診的阿茲海默症患者，也有尚未確診的老人。研究人員認為，人工智慧能夠從行為數據中學習，找出細微的差異及變化，並辨識出風險高的患者。製藥公司也對該技術很感興趣，因為人工智慧將可能用來協助追蹤、判斷實驗藥物是否確能改善病人症狀。
(中國時報／蔡致仁)