蒙纳士大学和半岛健康合作的国家健康老龄化中心（NCHA）开发了一种新方法，通过结合传统方法和人工智能（AI）来提高医院中的痴呆症检测。根据《世界阿尔茨海默病报告》，全球约有5000万人患有痴呆症，预计到2050年这一数字将增加三倍。
在澳大利亚，仍然需要大幅改进我们对痴呆症患者的统计方法。准确识别对于了解全国范围内问题的真实规模以及有效规划服务至关重要。然而，目前用于此目的的常规健康数据可能低估了痴呆症患者的人数。
定期的医疗接触和住院提供了重要的机会来解决这个问题。目前，在医院中，痴呆症的记录基于医疗编码员在医疗记录中收集的信息，但他们很难处理这些记录中的大量文字信息。
在一项涉及弗兰克斯顿-莫宁顿半岛1000多名60岁及以上人群的研究中，使用传统数据方法和电子健康记录中的AI算法显示了高精度地识别一个人是否可能患有痴呆症的能力。得到国家卫生机构的支持，这一举措可能会改变痴呆症的识别、全国估计和医疗服务管理方式。
位于半岛健康的NCHA健康老龄化数据平台小组和来自澳大利亚及美国的临床医生组成的团队使用AI解决了这个问题，并发现一种称为自然语言处理（NLP）的特定类型AI应用于医疗记录中的文字信息显著提高了痴呆症识别能力。
该项目得到了国家卫生和医学研究委员会、医学研究未来基金和卫生与老年护理部的资助。
他们的同行评审论文《双流算法用于痴呆症检测：利用结构化和非结构化电子健康记录数据》发表在《阿尔茨海默病与痴呆症杂志》上，显示结合传统方法和AI的算法在从电子健康记录中检测痴呆症的存在方面表现出非常高的准确性。
首席作者Taya Collyer博士表示，该研究基于由专家使用金标准方法诊断的60岁及以上患有痴呆症的人群，以及一个没有痴呆症的对照组。
“通过访问我们健康老龄化数据平台上的高质量整理过的电子健康记录，我们能够高效地组装数据以解决这个问题。使用特殊软件处理大量的自由文本数据，然后应用NLP。”Collyer博士说。
NCHA主任兼项目负责人Velandai Srikanth教授表示，这种新方法的未来影响令人兴奋，不仅有助于更准确地统计痴呆症患者人数，还能高效识别那些可能需要护理和支持但可能被忽视的高概率痴呆症患者。
“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出需要适当诊断和临床护理的人。我相信很多人因为未能识别他们或他们的需求而错过了良好的护理。”Srikanth教授说。
(全文结束)
