AI工具以88%的准确率识别痴呆类型

AI Tool Identifies Dementia Types with 88% Accuracy

梅奥诊所的研究人员开发了一种新的人工智能工具，通过分析单次氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）中的大脑活动特征模式，可能简化痴呆症的诊断过程。这款名为StateViewer的工具能够以88%的准确率分类九种痴呆类型，包括阿尔茨海默病。相关研究结果于2025年6月27日发表在《神经学》期刊上。

研究团队在超过3,600张脑部扫描图像上测试了该模型，这些图像既包括确诊痴呆症的患者，也包括没有认知障碍的人群。在对比评估中，StateViewer帮助临床医生的诊断速度几乎提高了一倍，诊断准确性比传统流程高出三倍。

支持更早、更精准的护理

StateViewer旨在解决痴呆护理中的一个关键挑战：在疾病早期区分多种重叠或共存的情况。由于神经退行性症状的复杂性以及对专家意见的需求，诊断延误仍然普遍。

目前的诊断流程通常需要结合神经心理学测试、血液检查、访谈和影像学检查，并由神经科专家进行评估。StateViewer旨在简化这一流程，即使在缺乏神经科专业知识的诊所中也能提供支持。

梅奥诊所的研究人员表示，通过实现更及时的诊断，该工具可以帮助指导早期治疗策略，在干预措施可能更有效的阶段发挥作用。

系统工作原理

StateViewer分析FDG-PET扫描图像，这是一种标准成像技术，用于揭示大脑如何消耗葡萄糖（一种关键的能量来源）。系统将患者的扫描图像与已确诊为阿尔茨海默病、路易体痴呆、额颞叶痴呆等疾病的个体的参考数据库图像进行比较。

不同类型的痴呆症与特定区域的大脑活动模式相关联。例如，阿尔茨海默病通常与记忆和处理中心的变化有关，而路易体痴呆则影响注意力和运动区域。额颞叶痴呆与调节语言和行为区域的活动变化相关。

StateViewer输出一张颜色编码的大脑图，突出显示出现异常葡萄糖代谢的区域。这种可视化格式可以帮助临床医生，包括那些没有接受过神经学专门培训的医生，解读扫描结果并理解AI是如何得出其分类的。

“每位走进我诊所的患者都带着一个独特的故事，这些故事由大脑的复杂性塑造。正是这种复杂性吸引了我进入神经学领域，并继续推动我对清晰答案的追求。StateViewer反映了这一承诺——朝着更早的理解、更精确的治疗迈进，也许有一天可以改变这些疾病的进程。”大卫·琼斯博士说道。

持续开发与实施

该项目由梅奥诊所神经学人工智能项目主任大卫·琼斯博士（Dr. David Jones）领导，并获得数据科学家莱兰·巴纳德博士（Leland Barnard, PhD）的AI工程支持。团队强调以患者为中心的设计，确保系统的输出透明且具有临床可解释性。

研究人员计划在更广泛的临床环境中扩展StateViewer的使用，并继续评估其在不同人群中的有效性。这可能包括进一步优化其区分混合病理的能力，并将其整合到常规诊断工作流程中。

(全文结束)