模型預測了長達兩年的阿爾茨海默氏癥導致的認知能力下降

麻省理工學院開發的新模型可以預測未來兩年的認知測試得分，從而幫助預測罹患阿爾茨海默氏病風險的患者是否會因該疾病而遭受臨床上顯著的認知下降。

該模型可用于改善候選藥物和參加臨床試驗的人群的選擇，迄今為止，這些藥物和方法均以失敗告終。這也將使患者知道他們在接下來的幾個月和幾年中可能會經歷快速的認知下降，因此他們和親人可以做好準備。

在過去的二十年中，制藥公司已經為阿爾茨海默氏癥的研究注入了數千億美元。然而，該領域一直遭受失敗的困擾：根據藥業研究與制造商2018年的一份報告，在1998年至2017年之間，有146種嘗試開發治療或預防該疾病的藥物的嘗試均未成功。當時，僅批準了四種新藥，僅用于治療癥狀。目前正在開發90多種候選藥物。

研究表明，將藥物推向市場的更大成功可能歸功于在癥狀明顯之前就招募處于疾病早期階段的候選人，這是治療最有效的時候。麻省理工學院媒體實驗室的研究人員在下周于醫療機器學習會議上發表的一篇論文中，描述了一種機器學習模型，該模型可以幫助臨床醫生針對特定的參與者群體進行研究。

他們首先在整個數據集中訓練了一個“人口”模型，該模型包括具有臨床意義的認知測試成績和來自阿爾茨海默氏病患者以及健康人的兩次生物統計學數據，這些數據是每兩年一次的醫生就診之間收集的。該模型從數據中學習可以幫助預測患者在兩次就診之間進行的認知測驗得分的模式。在新參與者中，針對每個患者進行個性化設置的第二個模型會根據新記錄的數據(例如最近一次就診期間收集的信息)不斷更新評分預測。

實驗表明，可以在六個月，十二個月，十八個月和二十四個月內做出準確的預測。因此，臨床醫生可以使用該模型來幫助選擇有風險的參與者進行臨床試驗，他們有可能表現出快速的認知能力下降，甚至可能在其他臨床癥狀出現之前也是如此。盡早治療此類患者可能有助于臨床醫生更好地跟蹤哪些抗癡呆藥有效和無效。