痴呆症的诊断已经通过认知功能测试进行，例如医院的迷你精神状态检查(MMSE)和医学成像系统，这是一个相当大的系统。随着人口老龄化，越来越多的人患上痴呆症。因此，寻求易于使用的痴呆症检测试验。在以前的研究中，主要使用神经心理学问题进行诊断，因此习惯于同样的问题会降低痴呆症的检测能力。

来自大阪大学和奈良科学技术研究所的联合研究小组证明，有可能通过人 - 药相互作用的对话来检测痴呆症。这种技术已经通过机器学习实现：机器学习老人的声音特征，他们在计算机上回答了化身上的简单问题。

研究人员提出了机器学习算法，用于在早期阶段检测痴呆症的症状，开发使用交互式计算机化身的痴呆症检测系统。他们根据与老年参与者记录的对话中的语音，语言和面孔特征，创建了机器学习模型。通过机器学习，计算机能够在6个问题(每个问题2-3分钟)中以90%的比率区分痴呆症患者和健康对照组。

该团队基于神经心理学测试和不基于特定测试的随机问题准备了固定问题，记录了来自12名参与者(由精神科医生根据诊断标准诊断和精神障碍统计手册诊断为患有痴呆症的个体)的口语对话的交互数据( DSM)-IV)和12个健康对照。他们从记录的数据中提取语音，语言和图像特征，创建一个模型，用于检测痴呆症并使计算机能够自己学习检测痴呆症。

因此，计算机能够区分健康对照组和痴呆症患者，准确率为92%。结果发现，通过结合痴呆症的特征可以高度准确地区分痴呆症，例如根据问题的内容，语调，语调的清晰率以及话语中的名词和动词的百分比，对化身问题的反应延迟。 。

资深作者Takashi Kudo说：“如果这项技术得到进一步发展，通过每天与家中的计算机化身对话，可以了解老年人是否处于痴呆症的早期阶段。这将鼓励他们寻求医疗帮助，导致早期诊断。“