通过在英国增加和及时诊断来改善痴呆症护理是国家卫生服务(NHS)的优先事项，但是大约一半患有痴呆症的人生活在这种情况下并未意识到这一点。

现在，一种新的机器学习模型扫描了常规采集的NHS数据，已经显示出能够预测初级保健中未诊断的痴呆症的有希望的迹象。

该研究由普利茅斯大学领导，收集了英国德文郡18个同意全科医生手术的阅读编码数据，共计26,483名年龄超过65岁的患者。

阅读代码 - 用于总结英国全科医生临床和行政数据的临床术语词库 - 评估它们是否可能导致痴呆风险，包括体重和血压等因素。

这些代码用于训练机器学习分类模型，以识别可能患有潜在痴呆的患者。

结果显示，84%的痴呆症患者被检测出患有该病症(敏感度值)，而87%的无痴呆症患者被正确认为没有患病(特异性值)，根据数据。

这些结果表明该模型可以检测出患有潜在痴呆的患者，准确率为84%。这表明机器学习模型将来可以显着减少未确诊痴呆患者的数量 - 从大约50%(目前的估计数字)到8%*。

来自普利茅斯大学计算机电子与数学学院的首席研究员Emmanuel Ifeachor教授说，结果很有希望。

“机器学习是人工智能(AI)的一种应用，系统可以自动学习和改进经验而无需明确编程，”他说。“它已经被用于整个医疗保健领域的许多应用，例如医学成像，但之前并没有以这种方式将其用于患者数据。

“这种方法很有前途，如果成功开发和部署，可能有助于增加初级保健中的痴呆症诊断。”

大学医院普利茅斯NHS信托基金会顾问神经学家，普利茅斯大学转化和分层医学研究所的Camille Carroll博士合作进行了这项研究。

她说：“老年痴呆症是一种疾病，有很多不同的因素，很难确定或预测。有强烈的流行病学证据表明，一些心血管和生活方式因素，如高血压，高胆固醇，糖尿病，肥胖症等。中风;心房颤动;吸烟;以及减少的认知，身体或社交活动可以预测晚年痴呆症的风险，但是没有进行过让我们能够快速看到这种情况的研究。

“因此，拥有可以获取大量数据的工具，并自动识别可能患有痴呆症的患者，以促进有针对性的筛查，可能非常有用，有助于提高诊断率。”

* 8%计算如下：50%的痴呆症患者未被诊断，机器学习模型检测到痴呆症，准确率为84%。因此，使用该模型诊断出这些未确诊的50%中的84%= 42%。剩下的8%将保持未确诊状态。