研究團隊在新一期美國《神經學》期刊上報告說，他們使用了3600多份腦掃描圖像對這款名為StateViewer的AI工具進行訓練和測試，涵蓋癡呆癥患者與認知正常人群的腦部影像。
氟代脫氧葡萄糖正電子發射斷層掃描（FDG-PET）可顯示大腦葡萄糖代謝狀況。癡呆癥患者的大腦葡萄糖代謝會出現異常，而不同類型的癡呆癥患者大腦中葡萄糖代謝異常的區域有區別。該工具通過比對已經確診罹患不同類型的癡呆癥患者的大腦葡萄糖代謝區域特征，判斷出掃描對象所患癡呆癥的類型。
測試顯示，憑借單次FDG-PET腦部掃描結果，這款AI工具即可幫助醫生識別出88%的患者具體患的是哪種類型的癡呆癥。此外，在這款AI工具幫助下，臨床醫生解讀腦部掃描數據的速度提升近兩倍。
當前，癡呆癥的臨床診療面臨的一個核心挑戰，就是如何在疾病早期實現精準識別。及時診斷能幫助患者在最佳干預時機獲得最匹配的治療方案。研究人員說，這款AI工具可為那些缺乏神經專科資源的醫療機構提供針對癡呆癥的診斷支持。
據世界衛生組織數據，目前全球癡呆癥患者超過5700萬，每年新增病例近1000萬。癡呆癥往往癥狀交叉、進展隱匿，準確診斷依賴于經驗豐富的神經專科醫生。現行診斷通常需要認知測試、血液檢測、影像學檢查、臨床訪談及專科會診。即便經過全面檢測，對于臨床醫生來說，要想準確區分阿爾茨海默病、路易體癡呆和額顳葉癡呆等具體類型仍具挑戰性。
研究團隊認為，他們開發的AI工具是朝著癡呆癥的早期理解、精準治療乃至最終改變疾病進程邁出的重要一步。
