梅奥诊所（Mayo Clinic）的研究人员开发了一种名为StateViewer的人工智能工具，能够通过单次脑部扫描准确识别九种类型的痴呆症。该工具不仅显著加快了诊断速度，还提高了在非专科环境中的诊断准确性。
根据《神经学》（Neurology）杂志最近的一项研究，这种工具甚至可以通过一次广泛可用的扫描识别阿尔茨海默病，标志着早期精确诊断的重大进步。
使用StateViewer，研究人员在88%的情况下正确识别了患者患有的痴呆类型。此外，这一人工智能工具使医生解读脑部扫描的速度快了近两倍，且准确性比传统方法高出三倍。研究人员使用超过3,600次脑部扫描对该AI进行了训练和测试，这些扫描来自患有痴呆症的患者以及没有认知问题的个体。
早期精确检测痴呆症是痴呆护理中最大的挑战之一，特别是当患者的症状源于多种重叠疾病时。早期预后对于将患者与适当的治疗方案匹配、提高治疗效果至关重要。像StateViewer这样的工具可能是一种方式，可以将专家级诊断支持扩展到神经科资源有限的诊所。
痴呆症的沉重负担
痴呆症目前影响全球约5,500万人，每年新增病例约1,000万例。其中最常见的是阿尔茨海默病，它是全球第五大死亡原因。
痴呆症的诊断涉及认知测试、影像学检查、血液检测、访谈和专家评估。即便如此，区分阿尔茨海默病、路易体痴呆或额颞叶痴呆等类型仍然十分困难，即使是经验丰富的神经科医生也面临挑战。
StateViewer由梅奥诊所的神经科医生兼神经科人工智能项目主任大卫·琼斯博士（Dr. David Jones）开发。
“每一位走进我诊所的患者都带着一个独特的故事，这故事是由大脑的复杂性塑造的。正是这种复杂性吸引了我进入神经学领域，并继续推动我对更清晰答案的追求。StateViewer反映了这一承诺——朝着更早的理解、更精准的治疗迈进，并最终改变这些疾病的进程。”
——大卫·琼斯，梅奥诊所神经科医生
琼斯博士与数据科学家莱兰·巴纳德博士（Dr. Leland Barnard）合作，后者领导了StateViewer的人工智能工程。
“在设计StateViewer的过程中，我们始终牢记每个数据点和脑部扫描背后都是一个面临艰难诊断和迫切问题的人。看到这一工具如何通过实时、精确的见解和指导协助医生，突显了机器学习在临床医学中的潜力。”
——莱兰·巴纳德，梅奥诊所数据科学家
将脑部模式转化为临床洞察
该工具分析FDG-PET扫描，这是一种显示大脑如何利用葡萄糖作为能量的成像技术。随后，它将扫描结果与大量来自已确诊痴呆患者的扫描数据库进行比较，识别出对应特定类型或组合的模式。
不同类型的痴呆对大脑的影响各不相同：阿尔茨海默病主要影响记忆和处理中心；路易体痴呆则针对注意力和运动相关的区域；而额颞叶痴呆则影响控制语言、行为和社会互动的大脑部分。
StateViewer工具以颜色编码的脑图形式展示这些模式，突出显示大脑活动的重要区域。这些地图不仅为扫描提供了视觉解释，还帮助包括非神经科医生在内的医生做出准确诊断。梅奥诊所的研究人员计划扩大该工具的使用范围，并继续评估其在各种临床环境中的有效性。
参考文献：
Barnard, L., 等人 (2025) 一种基于FDG-PET的机器学习框架，用于支持阿尔茨海默病及相关疾病中的神经学决策。《神经学》，doi.org/10.1212/wnl.0000000000213831。
来源：梅奥诊所
(全文结束)
