计机器学习帮助识别痴呆症的发生风险

　　最近一项研究揭示，通过认知功能测试能够帮助诊断痴呆症，医院的迷你精神状态检查（MMSE）和医学成像系统就是其中的例子。

　　随着人口老龄化，越来越多的人患上痴呆症。因此，开发简单的痴呆检测手段十分迫切。以前的研究中主要使用神经心理学问题进行诊断，但重复使用相同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，有可能通过机器学习的手段来检测痴呆症。

　　研究人员提出了用于在早期阶段检测痴呆症迹象的机器学习算法，使用交互式计算机开发痴呆症检测系统。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％的概率区分痴呆症患者和健康人群。

　　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，记录了来自12名痴呆症患者以及和12个健康人的对话交互数据。他们从记录的数据中提取语音，语言和图像特征，创建一个检测痴呆症的模型，并使计算机能够自己学习检测痴呆症。

　　结果显示，计算机区分健康对照组和痴呆症患者的准确率达到了92％。结果发现，通过结合痴呆症的上述特征，。例如根据问题的内容，语调，语调的发音率以及话语中的名词和动词的百分比，对问题的反应延迟时间等，能够准确识别痴带着患者。

　　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。”