在癥狀出現之前診斷癡呆癥，人工智能可以做到了！
想象一下如果醫生可以提前幾年診斷出哪些人有可能患上癡呆癥，KUKA機器人維修，這種預測能力就能夠幫助患者及其家屬提前規劃，準備治療和護理方案。而麥吉爾大學進行的人工智能研究，使這種預測能力很快就能廣泛應用于臨床了！
麥吉爾大學道格拉斯心理健康研究院平移神經成像實驗室的科學家們利用人工智能技術結合大數據開發出一種能夠在病發兩年前識別出癡呆癥特征的運算方法，只需要對有患阿爾茨海默病風險的患者進行大腦單一淀粉樣PET掃描就可以了。他們的發現也被老化神經生物學雜志發表的一項研究所引用。
PedroRosa-Neto博士是麥吉爾大學神經學、神經外科及精神學系的副教授，也是這項研究的聯合作者，他表示期待這一技術能夠改變醫師管理病人的方式并大大加速對阿爾茨海默病的研究進程。
運用這一技術工具，臨床試驗可以集中研究那些更有可能發展成癡呆癥的對象。這會大大降低研究成本和節約研究時間，SergeGauthier博士補充說。他是麥吉爾大學神經學、神經外科及精神學系的教授及此研究的聯合作者。
癡呆癥的生物標志物淀粉樣蛋白
科學家早先在具有輕微認知障礙（縮寫為MCI，往往會發展成癡呆癥）的病人腦中發現了一種蛋白質在不斷累積，也就是現在大家熟知的淀粉樣蛋白。雖然在癡呆癥狀出現之前很多年淀粉樣蛋白就開始累積，但是這種蛋白質也并不能作為完全可靠地預測性生物標記，因為并不是所有的MCI患者都會發展成阿爾茨海默病。
為了進行他們的研究，麥吉爾大學的研究者們利用了阿爾茨海默病神經影像計劃（縮寫為ADNI）上的可用數據，ADNI是一項全球性的研究工作，機器人維修，參與其中的患者自愿參與一系列的影像計劃和臨床評估。
SulanthaMathotaarachchi是Rosa-Neto和Gauthier團隊的一位計算機科學家，他利用來自ADNI數據庫的數百位MCI患者的淀粉樣蛋白PET掃描結果，優化團隊的運算方法來確定出哪些患者會發展成阿爾茨海默病，其精確度達到84%。目前研究還在繼續尋找其他的癡呆癥生物標志物來結合到運算法則里面，以提高此算法的預測能力。
這也是將大數據和開放科學相結合為病人護理帶來的實實在在的幫助，Rosa-Neto博士說，他同時也是麥吉爾大學老年化研究中心的主管。
目前科學家和學生們已經可以從網上獲取這一軟件了，但是醫師還需要在獲得衛生當局的許可證明后才能將這一工具應用于臨床實踐。為實現這一目標，麥吉爾大學的研究團隊正在進行進一步的測試，工業機器人維修，以確認這一算法在不同患者群體中的有效性，特別是那些有像小卒這種共有癥狀的群體。