英国帝国理工学院研究人员开发出一种机器学习新算法，通过一次脑部扫描观察大脑内的结构特征（包括以前认为与阿尔茨海默病无关的区域），即可诊断出阿尔茨海默病。该技术的优势在于其简单性，并且可在很难诊断的早期阶段就识别出疾病。研究成果发表在开放获取专业学术期刊《通讯·医学》上。

　　医生目前使用大量测试来诊断阿尔茨海默病，包括记忆和认知测试以及脑部扫描。扫描主要用于检查大脑中的蛋白质沉积和海马体收缩，海马体是与记忆相关的大脑区域，所有这些测试可能都需要几周的时间来安排和处理。但此次新开发的方法，只需在大多数医院常见的标准1.5特斯拉机器上进行磁共振成像（MRI）脑部扫描。

　　研究人员采用了一种用于分类癌症肿瘤的算法，并将其应用于大脑。他们将大脑分为115个区域，分配了660个不同的特征，例如大小、形状和纹理，以评估每个区域。然后他们训练算法识别这些特征的变化，以准确预测阿尔茨海默病。

　　利用阿尔茨海默病神经影像学计划的数据，该团队对400多名早期和晚期阿尔茨海默病患者、健康对照组和其他神经系统疾病患者（包括额颞叶痴呆和帕金森病）进行了脑部扫描。

　　研究发现，在98％的病例中，仅基于MRI的机器学习系统，就可准确预测患者是否患有阿尔茨海默病。它还能够在79％的患者中以相当高的准确度区分早期和晚期阿尔茨海默病。

　　这一新系统成功发现了以前认为与阿尔茨海默病无关的大脑区域，譬如小脑（大脑中协调和调节身体活动的部分）和腹侧间脑（与感官、视觉和听觉相关）产生的变化，为研究这些区域与阿尔茨海默病的联系开辟了潜在的新途径。