全球每年都會有上百萬的人被阿爾茨海默癥（老年癡呆癥）所困擾。根據(jù)阿爾茨海默癥協(xié)會的數(shù)據(jù)，阿爾茨海默癥是美國致死率第六高的病癥，因其而死亡的人數(shù)比乳腺癌和前列腺癌加起來還要多。其治療費(fèi)用還很昂貴，如果能夠通過早期檢查對其進(jìn)行檢測，能夠省下差不多7．9億美元的醫(yī)療費(fèi)用。

Unlearn．AI是一家專門為臨床研究設(shè)計軟件工具的初創(chuàng)公司。該公司的研究員認(rèn)為人工智能在個性化診斷和治療中能夠起到非常重要的作用。一篇發(fā)表在預(yù)印論文網(wǎng)站Arvix．org（文章名《Using deep learning for comprehensive， personalized forecasting of Alzheimer’s Disease progression》）上的文章中，研究員提出了一個能夠?qū)�疾病進(jìn)行預(yù)測的系統(tǒng)，這個系統(tǒng)本質(zhì)上能夠預(yù)測每個病人在未來的每個階段可能遇到的各類癥狀。

“兩個擁有相同疾病的病人有時也會呈現(xiàn)出不同的癥狀、不同的病情發(fā)展以及不同的對于治療產(chǎn)生的反應(yīng)，”該研究團(tuán)隊寫道，“了解如何預(yù)測以及管理病人之間的這些不同點(diǎn)才是精準(zhǔn)醫(yī)療的首要目標(biāo)。應(yīng)用機(jī)器學(xué)習(xí)方法而開發(fā)出來的疾病發(fā)展監(jiān)測計算機(jī)模型為我們提供了一個有效解決病人之間的異質(zhì)性問題的工具。”

能夠檢測到認(rèn)知能力下降的人工智能系統(tǒng)并不是沒有前例。蒙特利爾麥吉爾大學(xué)的神經(jīng)學(xué)家們就開發(fā)過一種PET掃描攝取算法。該算法能夠以84％的準(zhǔn)確率識別最終會患上癡呆癥的病人。另外，杜克大學(xué)的科學(xué)家們以及克羅地亞的Rudjer Boskovic研究所也使用了機(jī)器學(xué)習(xí)法用來了解腦組織缺失隨著時間而產(chǎn)生的變化。

但是Unlearn．AI的系統(tǒng)采用的是一種無人監(jiān)管的學(xué)習(xí)方法，也就是說它使用的是沒有進(jìn)行過分類以及標(biāo)記的數(shù)據(jù)。另外，它能夠一次同時計算出一個病人的各種病狀的預(yù)測以及置信區(qū)間。

整個系統(tǒng)的開發(fā)主要分為兩部分。

首先，開發(fā)團(tuán)隊?wèi)?yīng)用Boltzmann編碼對抗式機(jī)器（BEAM）對臨床數(shù)據(jù)進(jìn)行了建模。BEAM是一種完美適配于將數(shù)據(jù)分類和特征進(jìn)行建模的一種神經(jīng)網(wǎng)絡(luò)。他們在“抵御重大疾病協(xié)會”（Coalition Against Major Diseases）的專門為阿爾茲海默癥而設(shè)立的在線數(shù)據(jù)庫（該數(shù)據(jù)庫由18個月中收集到的涵蓋了42個變量的1908名的阿爾茲海默癥患者的數(shù)據(jù)組成）中將其進(jìn)行了訓(xùn)練和測試。開發(fā)團(tuán)隊對患者進(jìn)行的測量方法包括了老年癡呆量表－認(rèn)知（ADAS－Cog，一種被廣泛使用的認(rèn)知子尺度）以及簡短精神狀態(tài)檢查（Mini－Mental State Examination，用于測量臨床和研究環(huán)境中認(rèn)知障礙的問卷）。

然后，該開發(fā)團(tuán)隊使用這個已成型的模型來生成“虛擬患者”及其相關(guān)的認(rèn)知測試分?jǐn)?shù)、實驗室測試數(shù)據(jù)以及臨床數(shù)據(jù)。他們?yōu)閭�體患者進(jìn)行了模擬，以便在諸如單詞回憶，定向和命名等方面預(yù)測其疾病進(jìn)展，這些數(shù)據(jù)又能反過來用于測算老年癡呆量表－認(rèn)知分?jǐn)?shù)。

研究人員聲稱，該項無監(jiān)管的模型可以對老年癡呆認(rèn)知做到起碼18個月的精確預(yù)測，另外他們認(rèn)為該模型同樣能夠用來預(yù)測那些患有其它退行性疾病的患者的最終結(jié)果。

該研究團(tuán)隊寫道：“我們在這里描述的對阿爾茲海默癥的癥狀進(jìn)展進(jìn)行模擬的方法能夠很好的擴(kuò)展到其它疾病上去。對于臨床數(shù)據(jù)的深度生成模型的廣泛應(yīng)用能夠產(chǎn)生跟真實醫(yī)學(xué)數(shù)據(jù)相比更少的隱私問題的合成數(shù)據(jù)集，或者能夠用來進(jìn)行模擬臨床試驗以優(yōu)化研究設(shè)計。在某些特定的疾病領(lǐng)域中，使用模擬數(shù)據(jù)來預(yù)測特定個體的疾病風(fēng)險的工具能夠幫助醫(yī)生為他們的病人去選擇更為正確的治療方法�！�