據外媒報導，癡呆症的特徵是大腦中不同類型的蛋白質堆積，這種堆積會損傷腦組織並導致認知能力下降。 在阿爾茨海默病中，這些蛋白質包括β -澱粉樣蛋白，它們會形成”斑塊”並在神經元之間聚集並影響它們的功能及會在神經元內部積累的tau蛋白。

大腦的分子和細胞變化通常會在任何癥狀出現之前的許多年就開始了。 診斷癡呆症可能需要數月甚至數年的時間。 這通常需要兩到三次醫院檢查，包括一系列的CT、PET和MRI掃描以及侵入性腰椎穿刺。

由劍橋大學的Zoe Kourtzi教授和艾倫·圖靈研究所領導的一個團隊開發了一套可以在非常早期階段檢測患者癡呆症的機器學習工具。 通過對罹患阿爾茨海默氏症的患者進行腦部掃描，他們的機器學習演算法學會了發現大腦的結構變化。 當結合標準記憶測試的結果時，該演算法能夠提供一個預後評分–即個人患阿爾茨海默病的可能性。

對於那些表現出輕度認知障礙–記憶喪失的跡象或語言或視覺/空間感知問題–的患者來說，該演算法在預測那些繼續發展為阿爾茨海默病的患者時的準確率高於80%。 它還能預測他們的認知能力隨著時間的推移會以多快的速度下降。

劍橋大學心理學系的Kourtzi教授稱：「我們已經訓練了機器學習演算法，通過尋找大腦中灰質損失的模式來發現癡獃的早期跡象。 當我們把這個和標準的記憶測試結合起來，我們可以預測一個人的認知能力下降的速度是慢還是快。 我們甚至已經能夠識別出一些尚未表現出任何癥狀但卻會發展成阿爾茨海默氏症的患者。 ”

雖然該演算法已被優化以尋找阿爾茨海默病的跡象，但Kourtzi教授和同事們現在正在訓練它識別不同形式的癡呆症，每種癡呆症都有其特有的體積損失模式。

來自臨床神經科學系的Timothy Rittman醫生是英國劍橋大學醫院NHS基金會信託的Addenbrooke醫院的顧問，他現在正在領導一項試驗以看看這種方法在臨床環境中是否有用。

“我們已經證明瞭這種方法在研究環境中是有效的–我們現在需要在’現實世界’環境中測試它，”Rittman博士解釋道。

截止到目前，約有80名患者參加了這項試驗，該試驗由劍橋大學、劍橋郡和彼得伯勒NHS基金會信託及布萊頓的兩個NHS信託組織進行。

Rittman博士指出，早期發現癡呆症有幾個重要原因。 “當患者開始出現記憶和認知問題時，這是一段非常艱難的時期，這是可以理解的。 能提供準確的診斷，讓他們頭腦清楚，根據診斷結果，可以讓他們安心，同時還可以幫助他們和他們的親人做好長期準備。 ”

目前治療癡呆症的藥物還非常少。 臨床試驗經常失敗的一個原因被認為是，一旦患者出現癥狀，可能就太晚了，從而無法做出重大改變。 因此，在非常早期階段識別個體的能力可以説明研究人員開發新的藥物。

如果試驗成功，該演算法可以推廣到各地的數千名患者中。

Addenbrooke的病人Dennis Clark是美國國內首批參加這項新試驗的人之一。 在封鎖之前，這位75歲的退休銷售總監和妻子Penny一起享受退休生活，他們去度假、遛兩條狗。 但Penny很快注意到他開始健忘了。

“如果我讓他做什麼，他會反其道而行之。 然後當我們出去吃飯時–由於封鎖，我們很長時間都沒有出去吃飯–他都不記得怎麼付錢了，”Penny說道。

當Dennis總是為自己的外表感到驕傲的時候，Penny決定打電話給家庭醫生尋求説明，因為Dennis開始一遍又一遍地穿同樣的衣服。

“GP在電話裡做了一個快速檢查，說Dennis需要轉診。 我聽說Addenbrooke有一個非常全面的記憶單元，所以我真的很高興我們能被推薦到那裡。 我們進行了初步的諮詢並被問及是否想要繼續研究，這是我非常希望Dennis去做的，因為這不僅對他有説明，也對其他人有説明，”Penny回憶道。

Dennis接受了核磁共振掃描，當天晚些時候，他和Penny收到消息，他的結果符合早發性阿爾茨海默病。 Dennis將開始服用藥物來幫助治療阿爾茨海默病的癥狀。

“我們非常感謝Addenbrooke並將推薦其他人也進行試驗。 更快的診斷意味著Dennis將能開始藥物治療，這將有希望推遲他的疾病。 這也意味著我們可以計劃未來並開始接受正在發生的事情。 ”