IBM利用机器学习诊断早发性阿尔茨海默氏症( 二 ) 至顶网软件频道消息：IBM网站周一发布

但目前阿尔茨海默氏绝症的早期诊断方法不仅昂贵而且极具侵入性。现在的早期诊断方法包括在脊髓液中寻找特定的生物标记物，要取得脊髓液就需要做腰椎穿刺，其过程十分痛苦及可能导致出血。由于阿尔茨海默氏症没有治愈方法，如能找到一种无侵入性测试法有利于开发早期阿尔茨海默氏症诊断方法，将会大大推动新一波不依赖于脑组织已出现损伤的疾病晚期病人的临床试验。根据IBM的说法，ML可能有助于缩小早期检测和临床试验之间的差距。

这种技术的使用取决于成功开发一种测试淀粉样蛋白-β的方法，淀粉样蛋白β是脊髓液的一种肽，研究表明。从阿尔茨海默氏症患者的淀粉样蛋白β发生变化到患者出现记忆丧失之间存在很长一段时间。

IBM发布的研究文章描述了利用基于识别血液中蛋白质集合的机器学习预测脊髓液中淀粉样蛋白β浓度的方法。

文章提出了一些基于ML的模型，这些模型可能未来有一天能通过能够简单的血液检查预测患阿尔茨海默氏症的风险。该文章的研究团队认为，他们的ML模型预测未来风险因素的准确率可高达77％。

IBM表示，“虽然该测试仍处于早期研究阶段，但结果可能有助于改善药物试验个体的选择：脊髓液中淀粉样蛋白浓度出现异常的轻度认知障碍患者患阿尔茨海默病的可能性高出2.5倍。“