心理学研究人员使用机器学习从 500 多个潜在的风险因素中得出有用的两年痴呆症轨迹预测。

将这些因素分为五类——人口统计学、神经认知表现、结构性大脑 MRI、核神经成像和实验室结果——该团队寻求广泛的变量来纠正该领域的一个共同问题：

选择一些风险因素而忽略其他因素可能会导致不准确的预后和次优的治疗建议。

这些缺点可能会导致错失减少老年人功能衰退的机会，加速痴呆症患者必须依靠他人吃饭、穿衣和洗澡的日子。

该研究在俄亥俄州立大学进行，并在Brain Communications 中进行了描述。

主要作者 Kate Valerio 博士、资深作者 Jasmeet Hayes 博士及其同事分析了来自 NIH 支持的阿尔茨海默病神经成像计划的国家数据集中不到 400 名参与者的数据。

他们使用分类算法来衡量五类变量的预测能力。

神经认知测试电池在预测功能衰退方面表现最好，准确率接近 75%。

核神经影像学紧随其后，为 71%。

同时，三个变量加在一起解释了功能衰退程度差异的近三分之一。

这些是称为“日常认知”的每日检查、阿尔茨海默病评估量表以及核神经成像可发现的特定类型的大脑活动。