梅奥诊所的专家开发了一种人工智能工具，可以显著改善不同类型痴呆症的诊断。
诊断痴呆症并确定其类型通常需要进行一系列检查，包括影像分析、行为评估、实验室测试、心理评估等。即使收集了大量证据，这一过程仍可能带有一定的主观性，使得制定最佳治疗方案变得困难。
得益于影像技术和其他技术的诸多进步，医疗服务提供者现在能够在症状出现之前识别认知能力下降的迹象，从而更早地启动预防策略。而人工智能的最新发展则将这些诊断进步又向前推进了一步。
在梅奥诊所，一个专家团队开发并训练了一款人工智能工具，能够识别氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）图像中的模式，从而帮助医生区分不同类型的痴呆症。该工具以大脑不同区域的彩色编码图展示这些模式，帮助识别与特定症状相关的活动异常区域。这款名为StateViewer的工具不仅提高了诊断的准确性，还缩短了解读时间。
梅奥诊所神经学家兼梅奥诊所神经学人工智能项目主任大卫·琼斯博士 (David Jones, MD) 主导了这款人工智能的开发工作。
琼斯在一份声明中表示：“每一位走进我诊所的患者都带着一段由大脑复杂性塑造的独特故事。这种复杂性让我投身于神经学领域，并继续推动我对清晰答案的追求。StateViewer体现了这一承诺——朝着更早的理解、更精确的治疗迈进，最终有一天可能会改变这些疾病的进程。”
StateViewer经过数千张FDG-PET图像的训练，其中包括患有痴呆症的个体以及未显示认知能力下降的患者的图像。在测试中，它能够区分九种神经退行性表型，灵敏度为0.89 ± 0.03，受试者工作特征曲线下面积为0.93 ± 0.02。使用该工具的读者准确率是未使用者的三倍。此外，在StateViewer的帮助下，解读时间几乎快了两倍。
领导人工智能工程团队的数据科学家莱兰·巴纳德博士 (Leland Barnard, PhD) 对该工具未来如何造福医疗服务提供者和患者表达了乐观态度。
巴纳德表示：“在设计StateViewer的过程中，我们始终没有忘记，每个数据点和脑部扫描背后都有一个面临艰难诊断和迫切问题的人。看到这款工具如何为医生提供实时、精准的洞察和指导，突显了机器学习在临床医学中的潜力。”
StateViewer目前仍在不同的临床环境中接受进一步分析。欲了解更多信息，请阅读《神经病学》(Neurology) 上的研究摘要。
(全文结束)
