15011337672
波士顿大学研发了一种新型人工智能程序。
研究人员的模型预测轻度认知障碍患者未来六年内是否会保持稳定或陷入与阿尔茨海默病相关的痴呆，准确率达到78.5%。这项工作不仅让临床医生能够预知未来并提早诊断，还能自动化认知障碍筛查过程，省去昂贵的实验室测试、成像检查，甚至不需要出诊，让筛查更加便捷。该模型是通过机器学习技术掌握分析数据的能力而得出的。机器学习是人工智能的一个子集，计算机科学家通过它来教授程序独立分析数据的技能。
科研人员希望能够预测未来六年的发展情况。研究结果表明通过合理的预测方法可以取得相对较高的可信度和准确性。计算与计算科学与工程研究所所长帕斯卡利迪斯表示，这展示了人工智能的强大力量。
一个由工程师、神经生物学家、计算机和数据科学家组成的多学科团队在《阿尔茨海默氏症与痴呆症》协会的期刊上发表了他们的研究成果。
波士顿大学最新的人工智能程序的重要性
确定某人是否患有阿尔茨海默病通常需要进行一系列的评估，包括访谈、脑成像以及血液和脑脊液检测。
然而，等到那个时候很可能就为时已晚，记忆已经开始逐渐消逝，而经过长期形成的个性特征也开始出现微妙的变化。
如果能够早期发现，新的创新治疗方法有望延缓疾病的进展，但目前尚无绝对可靠的方法来预测谁会罹患与阿尔茨海默氏症相关的痴呆症。
波士顿大学工程学院的Paschalidis教授是一位杰出的工程教授，同时也是计算与数据科学学院的创始成员。他表示，如果我们能够预测未来可能会发生什么，那么就有更多的机会和时间来进行药物干预，至少可以尝试维持疾病的稳定状态，从而防止其转化为更为严重的痴呆症。
研究团队指出，未来可利用此类模型为远离医疗中心的患者提供护理，或透过与家庭应用程式的互动提供常规监控，大大增加筛查接受者的人数。阿尔茨海默病国际组织(Alzheimer's Disease International)的资料显示，全球多数失智症患者从未接受过正式诊断，这导致他们未能获得治疗和照护。最新的科学研究发展出了新型人工智能程序，成功提升了阿尔茨海默病的预测准确性。
波士顿大学的新型人工智能程序建立的步骤
为了培训新模型和建立模型，研究者利用了美国历史上最久、持续时间最长的研究之一(由BU领导的弗雷明汉心脏研究)的数据。研究人员收集了166个初次访谈的录音资料，参与者年龄介于63岁到97岁之间，都被诊断为轻度认知障碍。然后，他们利用语音识别工具(类似于智能扬声器上的程序)和机器学习的方法来训练模型，以探索语音、人口统计学、诊断和疾病进展之间的关联。在对研究人群的一部分进行训练后，他们进行了对其他参与者的预测能力测试。
波士顿大学通过录音提取的信息与某些基本的人口统计数据相结合，包括年龄、性别等，得出最终分数。 这个分数可以表示一个人保持稳定或转变为痴呆症的可能性。这个模型没有使用语音特征，如发音或语速，而是从访谈内容中提取信息，分析说话的单词和句子结构。 该项目的一部分目的是测试人工智能的能力，以使痴呆症的诊断过程更高效和自动化，几乎不需要人类参与。
以上是有关波士顿大学开发新型人工智能程序的内容。如果对留学有疑问的同学，欢迎与传兮留学的老师联系咨询~
