IBM网站周一公布消息称之为正在将机器学习（ML）划入临床领域，期望有一天ML技术可以协助有效地临床测试早于发性阿尔茨海默氏症。科技巨头IBM周一回应，机器学习和人工智能（AI）可以用作代替现存的阿尔茨海默氏症侵入性及便宜的检测。
IBM澳大利亚团队公开发表在《科学报告》上的论文报告了有关研究结果。阿尔茨海默氏症目前尚能无法医治，不能通过姑息手段化疗。阿尔茨海默氏症的症状还包括记忆渐渐发育、记忆恐慌以及患者无法顺利完成曾多次熟知的日常任务。
该疾病的早期临床可以协助患者及家人作好打算，早期患者也有助参与有关的医学实验。本世纪初以来研究人员曾展开过不出几百个有关阿尔茨海默氏症的医学实验。但目前阿尔茨海默氏绝症的早期临床方法不仅便宜而且极具侵入性。
现在的早期临床方法还包括在脊髓液中找寻特定的生物标记物，要获得脊髓液就必须做到腰椎放血，其过程十分伤痛及有可能造成发炎。由于阿尔茨海默氏症没医治方法，如能寻找一种无侵入性测试法不利于研发早期阿尔茨海默氏症临床方法，将不会大大推展新一波不依赖脑组织已经常出现受损的疾病晚期病人的临床试验。根据IBM的众说纷纭，ML有可能有助增大早期检测和临床试验之间的差距。
这种技术的用于各不相同顺利研发一种测试淀粉样蛋白－β的方法，淀粉样蛋白β是脊髓液的一种肽，研究指出。从阿尔茨海默氏症患者的淀粉样蛋白β发生变化到患者经常出现记忆失去之间不存在很长一段时间。IBM公布的研究文章叙述了利用基于辨识血液中蛋白质子集的机器学习预测脊髓液中淀粉样蛋白β浓度的方法。
文章明确提出了一些基于ML的模型，这些模型有可能未来有一天能通过需要非常简单的血液检查预测患阿尔茨海默氏症的风险。该文章的研究团队指出，他们的ML模型预测未来风险因素的准确率可高约77％。
IBM回应，“虽然该测试仍正处于早期研究阶段，但结果有可能有助提高药物试验个体的自由选择：脊髓液中淀粉样蛋白浓度出现异常的轻度认知障碍患者患阿尔茨海默病的可能性高达2．5倍。“基于这种ML应用于研发的模型有可能在未来为阿尔茨海默氏症测试的新形式获取框架，可替代腰椎放血及减缓临床过程，并可大大降低手术的成本和侵入性。这些模型仍正处于早期阶段。
机器学习确实转入理解疾病的临床领域还有很长的路要回头。不过IBM团队回应，他们研发的ML算法除了限于于阿尔茨海默氏症也限于于其他疾病，可以扩展到其他基于脊髓液生物标记物的模型和检测。
本文来源：开运开云·官方网站-www.yoynn.net
