英国伦敦帝国理工学院的研究人员开发了一种新的机器学习算法，可以通过大脑扫描观察大脑中的结构特征来诊断阿尔茨海默病这项技术的优势在于简单，可以在早期识别出难以诊断的疾病研究成果发表在开放获取专业学术期刊《通信医学》上

医生目前使用大量测试来诊断阿尔茨海默病，包括记忆和认知测试以及大脑扫描扫描主要用于检查大脑中蛋白质的沉积和海马体的收缩，海马体是与记忆有关的大脑区域所有这些测试可能需要几个星期来安排和处理可是，新开发的方法只需要在大多数医院常见的标准1.5特斯拉机器上进行MRI脑部扫描

研究人员采用了一种癌症肿瘤分类算法，并将其应用于大脑他们将大脑分为115个区域，并分配了660个不同的特征，如大小，形状和纹理，以评估每个区域然后他们训练算法来识别这些特征的变化，以便准确预测阿尔茨海默病

利用阿尔茨海默病神经成像计划的数据，研究小组扫描了400多名早期和晚期阿尔茨海默病患者，健康对照组和其他神经系统疾病患者的大脑。

发现在98%的情况下，只有基于核磁共振成像的机器学习系统才能准确预测一个病人是否患有老年痴呆症它还可以在79%的患者中以相当高的准确率区分早期和晚期阿尔茨海默病

这一新系统成功发现了此前被认为与阿尔茨海默病无关的大脑区域的变化，如小脑和腹侧间脑，为研究这些区域与阿尔茨海默病的关系开辟了一条潜在的新途径。

主编圈

首先是一些体征，然后是明确的症状，比如记忆力减退，脾气变化，认知功能障碍，然后是检查，比如脑电图，头颅CT，磁共振成像，生物标志物检查，来确定一个诊断是否是阿尔茨海默病如今，使用常见的仪器和新的机器学习算法，可以大大减少诊断所需的检查和时间，相信也可以减轻部分家属的心理痛苦同时，这个学习系统还新发现了一些脑区与阿尔茨海默病之间的联系，不仅可以辅助诊断，还可以将阿尔茨海默病的研究带入一个新的领域