美国加利福尼亚大学旧金山分校研究人员11月6日在《放射学》期刊上报告，他们开发的人工智能技术识别阿尔茨海默病早期症状取得显著效果。

阿尔茨海默病是一种常见的痴呆症，症状包括记忆障碍、失语以及人格和行为改变等，目前尚无有效疗法。研究人员选取1002名痴呆症患者的2100幅氟代脱氧葡萄糖正电子成像(FDG-PET)大脑扫描图像，用其中90%的图像训练“深度学习算法”学习识别图像中的痴呆症特征，用剩余10%的图像让算法“练习”识别。

最后，研究人员让算法从另外40幅FDG-PET大脑扫描图像中识别属于痴呆症患者的图像，结果发现识别率达到100%。这些患者在接受大脑扫描时尚未确诊患痴呆症。算法识别结果显示，算法可在最终确诊前平均6年多发现症状。

参与研究的韩浩宰（音译）说：“我们非常满意算法表现，它能够预测出每一例后来发展成阿尔茨海默病的病例。”

研究人员承认他们的测试规模较小，打算进一步研究。他们相信，人工智能会成为诊断阿尔茨海默病的重要辅助工具，特别是结合生物化学检测等其他检测手段。

韩浩宰说：“如果我们等所有症状都显现出来再诊断，大脑损伤程度可能已经严重到无法干预。如果我们能早些发现，就有机会找到更好的办法来延缓乃至遏制住病情发展。”