相比较目前，若要精准诊断阿尔茨海默症，一般需依靠昂贵或复杂的检测方法，如腰椎穿刺或断层扫描等，但并非所有医疗机构都具有这些检测条件，因此多达三分之一的患者可能会被误诊，也有患者因诊断过晚而无法接受有效治疗。
全球有超过5500万人患痴呆症，最常见的类型就是阿尔茨海默症。未来，研究团队希望将该模型扩展到预测其他类型的痴呆症，并使用不同类型数据进行检测，如血液检测中的标记物等。
英国剑桥大学等机构研究人员开发出一种新型人工智能（AI）模型，不但可省去昂贵或复杂的检测，还可更早预测出阿尔茨海默症。
测试结果显示，该模型识别三年内会患上阿尔茨海默症的准确率达82%，识别三年内不会患上阿尔茨海默症的准确率达81%。
延伸阅读
基于美国研究小组收集的400名大脑萎缩患者的认知测试和核磁共振扫描数据，研究团队利用机器学习算法建立一个AI预测模型，并使用英国、新加坡等多个诊所的真实数据进行测试。由于使用文本、图片等多模态数据，模型可比传统临床诊断更准确地预测早期病症转化为阿尔茨海默症的概率。
新华社报道，剑桥大学领衔研发的AI预测模型，提供一种无创且成本低廉的方法，可有效预测研究对象是否会在未来三年内患阿尔茨海默症。相关研究已发表在英国《电子临床医学》杂志上。
