研究人员来自国家健康老龄化中心（NCHA），这是蒙纳士大学和半岛健康中心的合作项目，他们开发了一种新方法，通过结合传统方法和人工智能（AI）来提高医院中痴呆症的检测。
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，痴呆症的记录基于由医疗编码员收集的医疗记录中的信息，但他们难以浏览大量书面信息。
在这项涉及弗兰克斯顿-莫宁顿半岛1000多名60岁及以上个体的研究中，结合传统数据方法和电子健康记录中的人工智能算法显示了高精度，能够识别一个人是否可能患有痴呆症。该倡议得到了国家卫生机构的支持，有可能改变痴呆症的识别、全国估计和医疗管理方式。
鉴于全球痴呆症病例的上升以及通过传统医疗编码准确识别患者的难度，这种方法有可能彻底改变澳大利亚在这一领域的格局。
位于半岛健康中心的研究团队，包括NCHA的健康老龄化数据平台小组以及来自澳大利亚和美国的临床医生，利用人工智能解决了这一问题，并发现一种称为自然语言处理（NLP）的人工智能应用于医疗记录中的书面文本，可以显著提高痴呆症的识别能力。
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，表明结合传统方法和人工智能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。
主要作者Taya Collyer博士表示，这项研究基于由专家使用金标准方法诊断的60岁及以上痴呆症患者，以及一个没有痴呆症的对照组。
“访问我们健康老龄化数据平台上的高质量整理电子健康记录有助于高效地组装数据以解决这个问题。使用特殊软件来处理大量的自由文本数据，然后应用自然语言处理。”Collyer博士说。
“然后我们通过传统的数据流和NLP流开发了痴呆症检测算法。”
对于传统数据流，除了标准的痴呆症代码外，还获取了反映人口统计学、社会经济状况、药物、急诊和诊所利用率以及院内事件（如混乱或痛苦行为）的信息。
对于NLP流，团队使用临床专家指导分析，确保其临床相关性。
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，不仅在于更好地统计痴呆症患者的人数，还在于更有效地识别那些可能需要护理和支持但可能被遗漏的高概率痴呆症患者。
“鉴于医院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。我相信许多人因为我们的识别能力不足而错过了良好的护理。”Srikanth教授说。
“这种新方法提供了一种新颖的数字策略，通过捕捉和结合书面文本中的线索，如描述混乱或健忘，或提醒痛苦行为，来标记他们进行适当的护理和支持。”
“负责任地在科学研究和痴呆症识别中使用人工智能具有潜在的变革性。NCHA的健康老龄化数据平台是一个澳大利亚首创的倡议，能够汇集来自电子健康记录、安全和治理的各种数据来源，以及技术支持，使这些高价值项目得以实现。”
(全文结束)
