听声辨痴呆，准确率高达92.6%，人工智能真有一套！

对于各种原因导致的痴呆，医学的态度有点类似对癌症，那就是“早发现、早干预”，及早识别处于痴呆早期的人群，就还有希望延缓甚至逆转痴呆的进程。

目标很美好，但实现起来确实不轻松，像磷酸化tau蛋白、血浆β淀粉样蛋白40（Aβ40）之类的新型痴呆标志物，检测起来都费时费力；而传统的神经查体、量表评估等手段，灵敏度也不够理想。

不过这些年，一些人类做起来困难的事，人工智能出马往往能搞定。近期发表在Alzheimer’s & Dementia期刊上的一项最新研究就显示，人工智能能够“听声辨痴呆”准确、快速地区分认知功能正常人群与痴呆患者！

这项由美国波士顿大学开展的研究，借助自然语言处理技术，让人工智能对1000多名老年人的声音数据进行自动分析，区分正常人与痴呆的准确率高达92.6%，也能够较好地区分正常人与轻度认知障碍（MCI）人群[1]。

其实从MCI阶段开始，语言功能减退就是阿尔茨海默病（AD）患者及痴呆人群可能出现的临床表现，所以用“能不能好好讲话”来识别认知功能障碍，也是热点的研究方向，一些研究区分痴呆的准确度也已经达到了80%以上[2]。

但开展本次研究的波士顿大学团队指出，既往研究还有两大明显的短板，首先是需要人工输入受试者所讲的话，这并不是个轻松的活，用时和成本都会影响在大规模筛查中的应用；其次，既往的研究都主要围绕痴呆，很少涉及到MCI人群。

自动化、普及化的“听声辨痴呆”工具，才能在这个老龄化严重的时代大有作为，为此研究者们才请出了人工智能帮忙，将受试者接受神经精神功能评估时，所说的话转化成数字化信息，然后交由人工智能进行“自然语言处理”。

简单来说，人工智能会通过多个研究者建构的模型，评估受试者说出的每句话乃至每个词语是否正常，从而预测存在认知功能障碍的可能性，而预测的准确度则要与神经科专家已作出的痴呆/MCI诊断进行对比。

本次研究使用的数据，则是在心血管领域大名鼎鼎，且同样由波士顿大学主持的弗拉明汉心脏研究（FHR），被纳入分析的1084名受试者年龄整体已经接近80岁，因此MCI+痴呆的患病率也高达62%，是理想的分析对象。

研究团队给人工智能设置了三项任务，即：1. 检测痴呆（区分痴呆患者与普通人）；2. 检测非痴呆状态（区分正常人+MCI人群与痴呆患者）；3. 检测MCI（区分正常人与MCI人群），并且对比了采用不同声音取样方法的检测准确度。

数据显示，按照研究者构建的最佳模型，让人工智能进行“听声辨痴呆”，在上述三项任务中的曲线下面积（AUC）分别达到92.6%、88.0%和74.1%，表现甚至比神经科专家使用经典的简易精神状态量表（MMSE）评估还要更好一些。

研究者们表示，目前正招募愿意参与后续测试的志愿者，通过分析更广泛来源的声音样本继续训练AI，最终把这套人工智能模型转变为“线上听声筛查痴呆”的工具，这如果能够成功，可真是一件美事啊。