全球每年都會(huì)有上百萬(wàn)的人被阿爾茨海默癥（老年癡呆癥）所困擾。根據(jù)阿爾茨海默癥協(xié)會(huì)的數(shù)據(jù)，阿爾茨海默癥是美國(guó)致死率第六高的病癥，因其而死亡的人數(shù)比乳腺癌和前列腺癌加起來(lái)還要多。其治療費(fèi)用還很昂貴，如果能夠通過(guò)早期檢查對(duì)其進(jìn)行檢測(cè)，能夠省下差不多7．9億美元的醫(yī)療費(fèi)用。

Unlearn．AI是一家專門(mén)為臨床研究設(shè)計(jì)軟件工具的初創(chuàng)公司。該公司的研究員認(rèn)為人工智能在個(gè)性化診斷和治療中能夠起到非常重要的作用。一篇發(fā)表在預(yù)印論文網(wǎng)站Arvix．org（文章名《Using deep learning for comprehensive， personalized forecasting of Alzheimer’s Disease progression》）上的文章中，研究員提出了一個(gè)能夠?qū)�疾病進(jìn)行預(yù)測(cè)的系統(tǒng)，這個(gè)系統(tǒng)本質(zhì)上能夠預(yù)測(cè)每個(gè)病人在未來(lái)的每個(gè)階段可能遇到的各類癥狀。

“兩個(gè)擁有相同疾病的病人有時(shí)也會(huì)呈現(xiàn)出不同的癥狀、不同的病情發(fā)展以及不同的對(duì)于治療產(chǎn)生的反應(yīng)，”該研究團(tuán)隊(duì)寫(xiě)道，“了解如何預(yù)測(cè)以及管理病人之間的這些不同點(diǎn)才是精準(zhǔn)醫(yī)療的首要目標(biāo)。應(yīng)用機(jī)器學(xué)習(xí)方法而開(kāi)發(fā)出來(lái)的疾病發(fā)展監(jiān)測(cè)計(jì)算機(jī)模型為我們提供了一個(gè)有效解決病人之間的異質(zhì)性問(wèn)題的工具。”

能夠檢測(cè)到認(rèn)知能力下降的人工智能系統(tǒng)并不是沒(méi)有前例。蒙特利爾麥吉爾大學(xué)的神經(jīng)學(xué)家們就開(kāi)發(fā)過(guò)一種PET掃描攝取算法。該算法能夠以84％的準(zhǔn)確率識(shí)別最終會(huì)患上癡呆癥的病人。另外，杜克大學(xué)的科學(xué)家們以及克羅地亞的Rudjer Boskovic研究所也使用了機(jī)器學(xué)習(xí)法用來(lái)了解腦組織缺失隨著時(shí)間而產(chǎn)生的變化。

但是Unlearn．AI的系統(tǒng)采用的是一種無(wú)人監(jiān)管的學(xué)習(xí)方法，也就是說(shuō)它使用的是沒(méi)有進(jìn)行過(guò)分類以及標(biāo)記的數(shù)據(jù)。另外，它能夠一次同時(shí)計(jì)算出一個(gè)病人的各種病狀的預(yù)測(cè)以及置信區(qū)間。

整個(gè)系統(tǒng)的開(kāi)發(fā)主要分為兩部分。

首先，開(kāi)發(fā)團(tuán)隊(duì)?wèi)?yīng)用Boltzmann編碼對(duì)抗式機(jī)器（BEAM）對(duì)臨床數(shù)據(jù)進(jìn)行了建模。BEAM是一種完美適配于將數(shù)據(jù)分類和特征進(jìn)行建模的一種神經(jīng)網(wǎng)絡(luò)。他們?cè)凇暗钟�重大疾病協(xié)會(huì)”（Coalition Against Major Diseases）的專門(mén)為阿爾茲海默癥而設(shè)立的在線數(shù)據(jù)庫(kù)（該數(shù)據(jù)庫(kù)由18個(gè)月中收集到的涵蓋了42個(gè)變量的1908名的阿爾茲海默癥患者的數(shù)據(jù)組成）中將其進(jìn)行了訓(xùn)練和測(cè)試。開(kāi)發(fā)團(tuán)隊(duì)對(duì)患者進(jìn)行的測(cè)量方法包括了老年癡呆量表－認(rèn)知（ADAS－Cog，一種被廣泛使用的認(rèn)知子尺度）以及簡(jiǎn)短精神狀態(tài)檢查（Mini－Mental State Examination，用于測(cè)量臨床和研究環(huán)境中認(rèn)知障礙的問(wèn)卷）。

然后，該開(kāi)發(fā)團(tuán)隊(duì)使用這個(gè)已成型的模型來(lái)生成“虛擬患者”及其相關(guān)的認(rèn)知測(cè)試分?jǐn)?shù)、實(shí)驗(yàn)室測(cè)試數(shù)據(jù)以及臨床數(shù)據(jù)。他們?yōu)閭�(gè)體患者進(jìn)行了模擬，以便在諸如單詞回憶，定向和命名等方面預(yù)測(cè)其疾病進(jìn)展，這些數(shù)據(jù)又能反過(guò)來(lái)用于測(cè)算老年癡呆量表－認(rèn)知分?jǐn)?shù)。

研究人員聲稱，該項(xiàng)無(wú)監(jiān)管的模型可以對(duì)老年癡呆認(rèn)知做到起碼18個(gè)月的精確預(yù)測(cè)，另外他們認(rèn)為該模型同樣能夠用來(lái)預(yù)測(cè)那些患有其它退行性疾病的患者的最終結(jié)果。

該研究團(tuán)隊(duì)寫(xiě)道：“我們?cè)谶@里描述的對(duì)阿爾茲海默癥的癥狀進(jìn)展進(jìn)行模擬的方法能夠很好的擴(kuò)展到其它疾病上去。對(duì)于臨床數(shù)據(jù)的深度生成模型的廣泛應(yīng)用能夠產(chǎn)生跟真實(shí)醫(yī)學(xué)數(shù)據(jù)相比更少的隱私問(wèn)題的合成數(shù)據(jù)集，或者能夠用來(lái)進(jìn)行模擬臨床試驗(yàn)以優(yōu)化研究設(shè)計(jì)。在某些特定的疾病領(lǐng)域中，使用模擬數(shù)據(jù)來(lái)預(yù)測(cè)特定個(gè)體的疾病風(fēng)險(xiǎn)的工具能夠幫助醫(yī)生為他們的病人去選擇更為正確的治療方法�！�