用AI监测大脑身体变化，人类可能提前数年发现阿尔茨海默症征兆

本篇文章3170字，读完约8分钟

在马萨诸塞州马尔伯勒的一个普通的早晨，大卫·格雷厄姆从他的房间里醒来，挂在房间墙上的白色设备开始记录他的每一个动作。

这个设备可以识别大卫什么时候起床、穿衣服、走到窗前或者去洗手间。它能分辨出他是在睡觉还是在晕倒。它通过低功率无线信号绘制出他的步态速度、睡眠模式、位置甚至呼吸模式。所有这些信息将被上传到云端，机器学习算法将通过每天使用数千个动作来整理大卫的活动模式。

这个装置是整个实验的一个重要部分，研究人员希望跟踪和了解阿尔茨海默病的具体症状。

当患者处于疾病的早期阶段时，具体症状并不明显。然而，在认知混乱和记忆丧失开始出现之前，大脑的变化已经以微妙的方式影响了病人的行为和睡眠模式。研究人员认为，人工智能有能力及早发现这些变化，从而确定哪些患者有严重恶化的可能性。

如果阿尔茨海默病的症状可以提前几年发现，患者将接受实验性药物治疗，他们的家人将提前为他们制定护理计划。配备有这种算法的设备可以安装在病人家中或护理设施中，以监控处于危险中的病人。对于已经确诊的患者，这项技术还可以帮助医生调整具体的护理方法。

制药公司也对机器学习算法感兴趣，他们希望通过病人的病历找到实验药物最有可能的受益者。在研究过程中，人工智能还可以及时提醒研究者相关药物是否改善了患者的症状。

目前，没有简单的方法来诊断阿尔茨海默病。具体来说，我们没有单一的测试方法，也不能通过大脑扫描来确定对方是否患有这种疾病。相反，医生必须考虑各种因素，包括病人的病史以及家庭成员和医务人员报告的观察结果。因此，机器学习将能够找到容易被忽略的常见模式。

照片:大卫·格雷厄姆在马萨诸塞州马尔伯勒的一家护理机构，他房间里的人工智能驱动设备正在对他进行跟踪和记录。

与其他四名接受设备监测的患者不同，格雷厄姆实际上并未被诊断患有阿尔茨海默氏病。但是研究人员正在监控他的行为，并将他的行为模式与疑似病例进行比较。

迪娜·卡塔比和她的团队最初在麻省理工学院的计算机科学和人工智能实验室开发了一种检测老年人跌倒的检测设备。但是他们很快意识到这个设备实际上有更多的用途。在他们看来，如果他们能准确地发现老年人的跌倒情况，他们还能识别其他动作，如踱步和徘徊，这可能与阿尔茨海默病有关。

卡塔比指出，他们的目标是监控人们，确保目标群体不必每天都佩戴可穿戴设备。她解释说，整个过程是完全被动的，病人不需要佩戴传感器或采取任何具体行动。此外，实际的干扰比照相机小得多。

如何工作

格雷厄姆几乎没有注意到悬挂在他阳光充足的房间里的白色装置。事实上，他对该设备最直接的了解是，ipsit vahia会告诉他，该设备将跟踪他的行为并收集相关数据。麦克林医院和哈佛医学院的老年精神病学家瓦希亚正与麻省理工学院的技术发明者一起对这种设备进行小规模的试点研究。

格雷厄姆期待着最终的结果。事实上，当瓦希亚准确地说他在夜里醒了一小会儿时，他非常惊讶。尽管格雷厄姆自己不记得了，但该设备确实检测到了他睡眠状态的变化。

这种设备的无线电信号强度只有wi-fi的千分之一，但它足以探测30英尺半径内的所有物体，包括人体。人体的每一个动作，哪怕是最轻微的活动，比如呼吸，都会引起反射信号的变化。

Katabi和她的团队开发了一种机器学习算法，可以分析所有这些微小的反射变化。他们训练该系统识别简单的动作，如行走和跌倒，以及其他与睡眠障碍相关的更复杂的动作。卡塔比说，随着我们传授给他们越来越多的知识，机器可以掌握学习能力，并在下一次发现新的模式。很大一部分模式对人类来说过于抽象和复杂，但机器仍然足以识别它们。

随着时间的推移，设备将生成大量的读取数据来显示被检测对象的行为模式。人工智能将挑出可能与不安、抑郁和睡眠障碍有关的偏差信息。它还可以反映一个人是否会在一天内重复某些行为，这是阿尔茨海默病的典型症状。

瓦希亚指出，如果我们能及早发现这些偏差，我们就能做出预测，帮助患者处理相关的健康问题。

在诊断一名老年痴呆症患者时，瓦希亚和卡塔比发现她凌晨2点醒来，在房间里闲逛。他们还注意到，在一些家庭成员来访后，病人会更加放松。瓦希亚相应地调整了镇静剂的剂量。

照片:ipsit vahia和dina katabi正在测试人工智能驱动的设备，用于监测老年痴呆症患者和潜在的高危人群。

大脑变化

人工智能还可以帮助医生检测大脑中阿尔茨海默氏病的早期迹象，并了解这些生理变化是如何在不同人群中表现出来的。蒙特利尔麦吉尔大学的神经科学家佩德罗·罗萨-内托说，当放射科医生查看扫描结果时，他们无法判断自己是否患有老年痴呆症。

Rosa-neto和他的同事sulantha mathotaarachchi开发了一种分析正电子发射断层扫描(pet)图像的算法，该图像来自可能患有阿尔茨海默病的人。通过医疗记录，研究人员可以知道哪些患者在扫描后两年内有阿尔茨海默病的症状，他们希望人工智能系统能够通过图像分析和模式识别得出早期结论。

果然，该算法可以在大脑的某些区域找到淀粉样蛋白(一种通常与疾病相关的蛋白质)团块的模式。即使训练有素的放射科医生也很难注意到大脑扫描的这些变化。基于这些模型，人工智能系统能够以84%的准确率检测出哪些病人最终会患上老年痴呆症。

机器学习还可以帮助医生预测不同病人的疾病严重程度。杜克大学的医生兼科学家穆拉利·多雷斯瓦米(P. murali doraiswamy)正在使用机器学习技术来确定疾病的阶段以及疾病是否可能进一步恶化。

Doraiswamy指出，我们一直认为阿尔茨海默病是一种统一的疾病。然而，并非所有阿尔茨海默病患者都有相同的症状，其中一些可能比其他人更严重。医生不知道哪些病人可以保持稳定，哪些病人会迅速恶化。因此，我认为解决这个问题的最好方法是把它交给机器。

他与克罗地亚rudjer boskovic研究所的人工智能专家dragan gamberger合作，共同开发了一种机器学习算法。该算法可以通过大脑扫描和医疗记录对562名轻度认知障碍患者进行五年分类。

通过观察，在这一组患者中有两个不同的类别:一个在五年期间认知能力显著下降，而另一个几乎没有变化。该系统可以跟踪脑组织损伤随时间的变化。

第三组患者介于轻度认知障碍和晚期阿尔茨海默病之间。Doraiswamy说我们不知道为什么会有这样一个团体存在。

临床试验

从2002年到2012年，99%的阿尔茨海默病研究药物在临床试验中失败。一个原因是没有人确切知道这种疾病的发病机理。但另一个原因是，很难确定哪些患者最有可能受益于特定的药物。

人工智能系统有助于设计更好的测试方案。美国国家老年医学研究所负责监管阿尔茨海默病研究的玛丽莲·米勒(Marilyn miller)表示，只要将这些人的共同基因表达和特征与血管造影结果结合起来，药物测试的难度就可以大大降低。

患者参与研究后，研究人员将能够持续监测他们，看他们是否能从实验药物中获益。

强生公司神经科学研究小组的研究员瓦伊巴夫·纳拉扬(Vaibhav narayan)表示，研发阿尔茨海默病药物的最大挑战之一是，我们缺乏一种理想的方法来分析最适合药物测试的理想人选。

他解释说，机器学习算法将大大加快药物研究中招募患者的过程。如果人工智能能够确定哪些病人最有可能遭受快速恶化，研究人员将能够更容易地判断某些药物是否有益。

这样，如果像瓦希亚这样的医生能够在像格雷厄姆这样的病人身上发现阿尔茨海默氏病的早期症状，他们就能迅速引导他们报名参加临床试验，从而抑制可能在几年内发生的破坏性脑效应。

米勒认为，人工智能有望在未来五年内被广泛用于诊断和预测阿尔茨海默病患者。但她也表示，需要大量数据来确保算法的准确性和可靠性。当然，格雷厄姆用自己的实际行动来帮助实现这个目标。

来源：搜狐微门户