余宏(Hong Yu)教授表示，通过研究退伍军人医疗记录中的关键词，研究人员能够比现行标准提前15年识别出阿尔茨海默病的风险。
马萨诸塞大学洛厄尔分校(UMass Lowell)的研究人员发现了一种创新方法，能够在首次正式诊断前很久就发现阿尔茨海默病。由余宏教授领导的团队通过使用机器学习分析电子健康记录中的临床笔记，证明风险识别可以比现行标准提前长达15年。
根据阿尔茨海默病协会(Alzheimer's Association)最近的一份报告，2025年约有720万65岁以上的美国人患有阿尔茨海默病痴呆症。另有20万美国人患有早发性痴呆症。预计到2060年，美国阿尔茨海默病患者人数将增至1380万，全球将达到1亿。
虽然目前尚无治愈方法，但早期检测可以改变游戏规则。早期诊断允许进行行为干预和使用药物来减缓慢性病例的进展。它还具有巨大的经济影响：在一项研究中，阿尔茨海默病协会估计，由于早期诊断该疾病，可节省7万亿美元的医疗和长期护理费用。
虽然痴呆症的一般诊断基于外在症状，但将病因确定为阿尔茨海默病对于普通患者而言，需要进行腰椎穿刺或广泛的影像学检查。"现有的诊断技术具有侵入性或成本高昂，"矿业计算机与信息科学学院(Miner School of Computer and Information Sciences)的余宏教授表示。
余宏是这项研究的主要调查员，该研究获得了美国国立卫生研究院(National Institutes of Health)600万美元的资助。研究结果于1月份在线发表在《自然》(Nature)期刊系列的《通讯医学》(Communications Medicine)上。论文的主要作者李如梦(Rumeng Li)是马萨诸塞大学洛厄尔分校数据科学生物医学与健康研究中心(CHORDS, Center of Biomedical and Health Research in Data Sciences)的学生研究员，该中心汇集了来自不同领域的专家，通过创新的人工智能(AI)和数据科学方法来改善健康。余宏于2019年创立了该中心并担任主任。
研究发现，使用机器学习专注于医生笔记中与阿尔茨海默病症状相关的122个关键词集合，以及这些词语在报告中的使用频率，可以帮助区分最终被诊断为阿尔茨海默病的患者和对照组中未被诊断为阿尔茨海默病的患者。集合中的一些关键词是医学术语，如"视觉空间(visuospatial)"、"吞咽困难(dysphagia)"和"失认症(agnosia)"。其他则是日常用语，如"情绪(mood)"、"流利度(fluency)"、"疼痛(pain)"、"游荡(wandering)"、"听力(hearing)"、"妄想(delusion)"和"迷路(getting lost)"。
当将被诊断为阿尔茨海默病患者的医疗记录中使用的关键词与对照组记录中的关键词进行比较时，差异几乎立即显现，使分析能够在官方诊断做出前长达15年就发现风险增加。
研究人员获得了61,537名阿尔茨海默病诊断患者和超过234,000名未诊断阿尔茨海默病的类似患者的记录。余宏表示，她很感激美国退伍军人事务部(U.S. Department of Veterans Affairs)的退伍军人健康管理局(Veterans Health Administration)向研究人员提供这些数据。
"我们认为这是美国最全面的电子健康记录数据集，"她说。"它包括来自所有50个州的患者，因此确实是全国性数据。"此外，她表示，退伍军人事务部(VA)的高质量护理意味着患者会多年坚持在VA接受治疗，使研究人员可以获得长达20年的数据集。
余宏表示，她受到紧迫的国家和社会问题以及自身经历的启发，将基本的人工智能原理应用于数据，旨在为这些问题找到实际解决方案。
除了目前对阿尔茨海默病风险的关注外，她的团队还使用数据研究了自杀风险、食品储藏室和药物过量风险等问题。
"我的实验室每年发表约30篇论文。我们的目标是开发创新的人工智能技术，帮助理解人类疾病并改变人们的行为以获得更好的健康，"她说。
余宏表示，她研究的一个重要部分是检查健康的社会和行为决定因素，包括社会经济地位、教育、吸烟习惯、医疗保健获取以及社会孤立等因素。
"它是自杀等不良行为的关键风险因素。它可以成为触发因素，"她说。更重要的是，当将此类信息添加到现有AI模型中时，会使预测模型更加准确。
余宏表示，理解这些因素可以帮助研究人员设计解决方案以改善健康结果："我们可以改变人们的行为。他们可以变得更健康。"
她期待通过添加健康的社会和行为决定因素数据，继续完善阿尔茨海默病模型。尽管这些因素与阿尔茨海默病风险之间的关系可能很复杂，但她充满希望。余宏表示："我们可以帮助人们。"
【全文结束】
