最近，OpenAI、微软、谷歌等公司开发的人工智能（AI）搜索引擎占据了大部分头条，这些AI工具的出现似乎打算颠覆我们的生活和工作方式。

近年来，人工智能在医学上的应用也在逐步增多，尤其是在诊断疾病方面。现在越来越多的医生开始依赖于深度学习技术（Deep Learning），一种模仿人工神经网络的机器学习方法。

该技术可以像人脑一样学习，在医学方面能帮助检测一些容易被忽略的危险疾病，如癌症、心脏病、甚至是无症状的新冠病例。

一项最新的研究表明，人工智能在医学领域的下一个突破可能是诊断阿尔茨海默氏症。

阿尔兹海默氏症会导致不可逆转的认知能力下降和痴呆。自该疾病被发现以来的一个世纪里，医学研究人员一直未能找到治疗方法和可靠的早期检测方法。

上周四（3月2日）发表在国际著名科学期刊PLOS ONE上的一篇研究文章表明，深度学习技术在阿尔茨海默氏症诊断中比未经训练的AI模型更加准确，而且该技术能够排除一些干扰诊断的因素，如年龄。

马萨诸塞州综合医院（Massachusetts General Hospital）的研究人员测试了深度学习技术在阿尔茨海默氏症检测中的应用。研究人员首先采用数万张人脑扫描图像训练了一个深度学习模型，这些人部分患有阿尔兹海默氏症，部分没有。

随后，研究人员将该深度学习模型用于临床诊断。

结果显示，经过训练的深度学习模型识别阿尔茨海默氏症的准确率达到90.2%，相比之下，没有接受过变量训练的、更简单的人工智能模型的诊断准确率要低大约5个百分点。

马萨诸塞州综合医院的研究员Matthew Leming指出，“我们的研究结果具有跨地点、跨时间、跨人群的普遍性，为这种AI诊断技术的临床应用提供了强有力的证据。”

值得一提的是，90%的准确率还远远高于人类得出的临床检出率。根据2017年美国国立卫生研究院（NIH）公布的一项研究，人类得出的临床检出率仅为77%。

美国卫生与公众服务部去年12月的一项研究显示，美国每年有700多万人被误诊。近300万急诊室患者因误诊而遭受不良影响，超过37万人遭受永久性残疾或死亡。

据非营利组织“改善医学诊断协会(Society to Improve Diagnosis in Medicine)”称，误诊也是一种经济负担。该协会预计，误诊、错误治疗、以及由此引发的医疗事故诉讼每年将造成约1000亿美元的额外支出。

医生们也认为，人工智能在改善诊断技术方面有着巨大的前景，尽管在医学研究中也出现了许多与人工智能有关的问题，比如可能会出现事实错误和种族偏见。

去年1月发表在美国国立卫生研究院（NIH）上的一篇关于AI技术在医疗诊断方面的文献综述发现，人工智能在癌症、糖尿病和阿尔茨海默氏症诊断等领域都有前景。不过该文章建议建议进一步研究以提高AI的识别准确性。

到目前为止，阿尔茨海默氏症是最难预测和诊断的疾病之一。它是老年人中最常见的一种痴呆症，全世界约有4400万患者。

不过，这只是与痴呆症相关的众多疾病的一种形式，所以很多其他痴呆症很容易被误诊为阿尔茨海默氏症。

2017年，美国医学网站《Medscape》上的一项针对900多人的研究发现，多达四分之一的阿尔茨海默病患者被误诊，误诊为假阳性或假阴性的比例大致相同。

阿尔茨海默氏症很容易和路易体痴呆、额颞叶痴呆混淆。根据美国神经病学学会（AAN）的说法，误诊的概率随着年龄的增长而增加，阿尔茨海默氏病和其他痴呆疾病在老年群体中很容易被搞混。

相对于诊断，预测则更加困难。阿尔茨海默氏症几乎没有可靠的早期筛查模型，大多数病例是在脑损伤症状开始出现后才被诊断出来的。

此次马萨诸塞州综合医院的研究并没有涉及深度学习技术是否有助于阿尔茨海默氏症的预测。不过仍有不少其他研究人员认为，AI或许能够在这方面发挥重要作用。