目前，全球估计有5000万人患有痴呆症，据《世界阿尔茨海默病报告》预计，到2050年这一数字将增加三倍。然而，目前用于追踪痴呆症的常规健康数据可能低估了实际受影响的人数。
虽然医院入院记录是痴呆症统计数据的关键来源，但许多潜在患者仍未被发现。这是因为识别依赖于编码员从医疗记录中收集的信息，而这些编码员常常难以处理大量的书面数据。
此外，澳大利亚没有单一的权威数据来源来推断痴呆症的患病率，因此许多患有该疾病的人可能会被医护人员遗漏。
为了解决这个问题，墨尔本莫纳什大学（Monash University, MU）和维多利亚州政府NCHA的健康老龄化数据平台小组的研究人员进行了一项研究，探讨如何利用人工智能（AI）改进当前测试和数据收集方法未能诊断出的痴呆症患者。
研究人员通过电子健康记录中的传统数据方法结合AI技术，对弗兰克斯顿-莫宁顿半岛地区1000多名60岁及以上的参与者进行了详细分析。
在《阿尔茨海默病与痴呆症杂志》上发表的研究结果表明，结合传统方法和一种称为自然语言处理（NLP）的特定类型AI的算法，显著提高了痴呆症的识别能力。
为了测试NLP的有效性，首席作者Taya Collyer博士表示，研究人员将参与者的数据分为两组。第一组包含由专家诊断为痴呆症的患者的记录，第二组则包含那些没有痴呆症诊断的记录。
Collyer博士说：“通过我们的健康老龄化数据平台获取高质量的整理过的电子健康记录，有助于高效地组装数据以解决这个问题。”
“我们使用了专门的软件来处理大量自由文本数据，以便NLP可以应用。”
“然后，我们通过传统的结构化数据流和NLP文本记录流开发了痴呆症查找算法。”
对于第一组，研究人员获取了参与者的年龄、药物、社会经济状况、住院期间的混乱或不安行为以及急诊和门诊预约等信息。
对于NLP组，团队使用临床专家指导分析，确保其临床相关性。
研究负责人Velandai Srikanth教授表示，这项发现令人兴奋，因为有效识别高概率患痴呆症的人将使他们获得所需的帮助，而这些人可能被忽视。
Srikanth教授说：“鉴于医院中对痴呆症患者的临床识别较差，使用这种新方法，我们可以更早地识别这些人，以便进行适当的诊断和临床护理。”
“我相信，由于我们不善于识别他们及其需求，许多人错过了良好的护理。”
此外，Srikanth教授表示，这种新方法为医护人员提供了一种新的数字策略，可以捕捉和结合描述混乱或健忘、或提醒不安行为的书面文本线索，以便进行适当的护理。
“负责任地在科学研究和痴呆症识别中使用AI可能是颠覆性的。”Srikanth教授说。
“NCHA的健康老龄化数据平台是一项澳大利亚首创的倡议，已经能够汇集来自电子健康记录、安全和治理的各种数据源，并具备技术能力，以实现这些高价值项目。”
(全文结束)
