研究人员使用深度学习软件仅使用患者面部照片来准确检测与年龄相关的认知障碍。

这项工作是在东京大学进行的，并在Aging(纽约州奥尔巴尼)于1 月 25 日发表的一篇论文中进行了描述。

测试在现有图像集上预先训练的五个深度学习模型，该团队发现性能最佳的模型在将 121 名受损患者与 117 名健康志愿者分开时的准确率达到了 93%。

此外，研究人员发现面部 AI 分数与标准化评估问卷，即迷你精神状态检查(又名 Folstein 测试)中的分数之间存在“密切且显着”的相关性。

有趣的是，他们还发现面部 AI 分数与实际年龄之间存在密切相关性，并且 AI 与问卷之间的相关性强于问卷与实际年龄之间的相关性。

从这些结果中，作者得出结论，深度学习软件“能够区分轻度痴呆症患者和非痴呆症患者的面部图像。这可能为面部图像作为痴呆症的生物标志物的临床应用铺平道路。”