印第安纳波利斯——很少有初级保健机构设计用于及时检测阿尔茨海默病及相关痴呆症。初级保健临床医生能够与患者相处的时间有限，需要专注于患者就诊时提出的健康问题，以及阿尔茨海默病和痴呆症的污名化，是导致该病症未被识别的主要原因。
一个合作研究团队已证明，一种完全数字化的、零成本的人工智能痴呆检测方法可以在初级保健诊所中推广，且无需医生额外投入时间。他们的研究结果最近发表在《JAMA Network Open》上。
在一项针对初级保健机构5000多名患者的真实世界实用随机临床试验中，来自印第安纳大学医学院、雷根斯蒂夫研究所(Regenstrief Institute)、埃斯凯纳齐健康中心(Eskenazi Health)、迈阿密大学医学院和拉马尔大学(Lamar University)的研究人员测试了一种双管齐下的方法，将快速痴呆评级系统(QDRS)——一种10个问题的患者自评工具——和一种名为被动数字标记的人工智能(AI)工具相结合。与常规护理相比，结合这些工具的方法使阿尔茨海默病及相关痴呆症的新诊断率提高了31%，且无需额外的临床医生时间或昂贵的检测。
该人工智能工具由马拉兹·布斯坦尼(Malaz Boustani)医学博士、公共卫生硕士及其团队在雷根斯蒂夫研究所开发了10多年，是一种使用自然语言处理分析电子健康记录(EHRs)数据的机器学习算法。它能识别记忆问题、血管问题以及其他与痴呆症相关的因素。
"基于雷根斯蒂夫研究所在数字健康数据科学和机器学习领域50多年的创新，这一被动数字标记现已开源，"印第安纳大学医学院理查德·M·费尔班克斯老龄化研究教授、雷根斯蒂夫研究所研究科学家布斯坦尼表示。"秉承雷根斯蒂夫开放医疗记录方法的传统，没有许可费用——只有部署它的基本成本，类似于部署任何应用程序的方式。任何拥有电子健康记录和适当人员的医疗系统都可以实施它。它是零成本且不需要临床医生时间。"
除了提高检测率外，这种结合的数字方法还使随访诊断评估（如神经影像学和认知测试）增加了41%，表明对于传统上医疗系统服务不足的人群，痴呆症护理可以更早获得且更便捷。
"这是我所知道的最具可扩展性的早期检测方法，"作为《初级保健中痴呆症数字检测》临床试验的主要作者，布斯坦尼表示。"大多数早期检测方法至少需要医生五分钟时间，且通常附带许可费用。相比之下，我们的双管方法不需要临床医生的时间或金钱。"
这项试验在印第安纳波利斯的九个埃斯凯纳齐健康中心联邦认证健康中心进行，将QDRS和被动数字标记直接嵌入Epic电子健康记录系统。该系统自动邀请65岁及以上的患者通过其患者门户完成简短的QDRS调查，而被动数字标记算法则持续分析现有临床数据以标记高风险患者。结果自动出现在临床医生的EHR收件箱中，仅在必要时提示进一步评估——不需要额外时间、人员或手动筛查。
"这种方法的强大之处在于它有助于实现公平，"雷根斯蒂夫研究所附属科学家、拉马尔大学教授齐娜·本·米莱德(Zina Ben Miled)博士表示，她与布斯坦尼共同开发了被动数字标记工具。"通过将这些工具直接嵌入电子健康记录，我们可以触及可能被忽视的患者——确保每个人，无论背景或资源如何，都有平等的早期检测和护理机会。"
"快速痴呆评级系统旨在赋予患者和家庭轻松快速报告认知变化的能力，"迈阿密大学米勒医学院神经学教授、综合脑健康中心主任詹姆斯·E·加尔文(James E. Galvin)医学博士、公共卫生硕士表示。"当与雷根斯蒂夫被动数字标记等数字工具一起使用时，我们可以高效且有效地大规模实现早期检测。"
这一突破代表了将人工智能和患者报告结果转化为日常临床护理的重大进展。通过整合在现有医疗系统中无缝运行的可扩展数字工具，研究团队展示了技术如何加强早期检测、减轻初级护理团队的负担并改善老年人的治疗效果。
"这项工作代表了我们在雷根斯蒂夫半个世纪传统的下一阶段——利用数据、创新和关怀来变革医疗服务，"布斯坦尼表示。"我们已经证明，将人工智能和患者报告结果的力量直接带入诊所是可能的——无缝、经济实惠且可大规模推广。"
本研究得到了美国国立卫生研究院国家衰老研究所的资金支持。
参与本研究的其他印第安纳大学作者包括亚瑟·H·奥沃拉(Arthur H. Owora)、妮可·R·福勒(Nicole R. Fowler)、保罗·德克斯特(Paul Dexter)、埃里克·M·帕斯特(Eric M. Puster)、兰德尔·W·格劳特(Randall W. Grout)、戴安娜·P·萨姆曼瓦尔(Diana P. Summanwar)、索拉·福特林·埃拉佐(Saura Fortin Erazo)和卡特里娜·科佩奇(Katrina Coppedge)。
【全文结束】
