（来源：芯闻眼）
随着全球老龄化的加剧，科学家们正在利用人工智能（AI）和语音分析技术，来发现阿兹海默症的早期征兆，这些征兆往往是传统方法所忽略的。
据外媒报道：根据最新研究，超过 700 万名 65 岁及以上的美国人正受到阿兹海默症的影响，随着人口老化，这个数字预计将持续上升。及早检测该病症将对症状管理和患者获得支持的速度产生重大影响。
美国宾州州立大学（Pennsylvania State University）的Hui Yang教授和博士研究生Kevin Mekulu正在探索如何利用AI来辨识临床医生可能会错过的早期警示信号。
据了解，他们的研究发表在《阿兹海默症报告期刊》（Journal of Alzheimer’s Disease Reports）和《老年神经科学前沿》（ Frontiers in Aging Neuroscience）上，重点分析日常语言中的微妙模式。透过检查词汇选择、流畅度和句子结构的变化，他们的框架旨在比传统的纸本测试更早且更一致地标记认知衰退。
这种方法有望将筛查从短暂的诊所访问转向更快速、更易于获得的工具，融入日常护理中。Yang教授指出，传统的痴呆筛查工具通常是基于纸本的，主观性强且资源密集，需耗费10至15分钟的工作时间，且对微妙的认知变化缺乏敏感性。
据了解，随着美国面临老年专科医生短缺的挑战，约每1万名老年患者仅有一名老年医生，且高流动率的护理人员使得可扩展的AI解决方案变得迫在眉睫。研究团队的框架使用可解释的语音生物标记，捕捉微妙的语言变化和认知衰退，能在传统工具之前数年内提供客观且非侵入性的筛查，且仅需不到一分钟的时间。
Mekulu补充道，当前大多数医疗保健中使用的AI模型是静态的，仅根据输入生成输出。而代理AI则是能够独立计划和执行复杂任务的系统，无需人类监督。这种系统能随时间推移进行推理，调整行为，并与患者或临床医生进行动态互动。
这项研究不仅是对测试的评分，而是引导筛查互动，根据个体的反应调整提示，并将多种信号（如语言模式、任务表现和背景因素）整合到一致的评估中。这样的转变使得筛查不再是一次性的测量，而是一个不断演变的过程，更好地反映患者的认知衰退情况。
Yang教授强调，语音是人类产生的最具资讯密度的行为之一，涉及记忆、注意力、语言、执行功能和运动计划等多个认知系统，这些系统在神经退行性疾病早期就会受到影响。AI分析语音中的复杂动态和转变，而不仅依赖主观的临床印象，寻找词汇选择、重复、流畅度变化和语言结构组织中的微妙模式，以揭示认知变化。
Mekulu指出，语音是强有力的起点，但仅是拼图的一部分。AI还可以分析眼动模式、生理讯号、任务参与度、运动行为，甚至在解决问题任务中某人的学习或适应方式。综合解释这些讯号能为临床医生提供更全面的认知健康视图，而不仅是某人是否通过或未通过测试。
最终，AI代理可能支持护理计画，监测诊所访问之间的认知变化，并帮助临床医生辨识何时需要调整干预措施。这些系统的设计旨在减少行政负担，突出有意义的模式，并帮助将认知护理从反应性转变为预防性。
Yang教授表示，研究团队正在不同人群和临床环境中积极评估这些方法，以确保其稳健性和公平性。此外，他们还与宾州州立大学的Nicole Etter博士和宾州健康的神经心理学家Tim Brearly博士合作，探讨如何将这些工具整合到辅助生活和记忆护理环境中，以便对患者和临床医生都实用。这些环境通常是微妙的认知变化首次出现的地方，但客观筛查工具却很少大规模使用。研究团队的目标是透过在现实护理环境中验证这些方法，缩小学术研究与日常临床决策之间的差距。
