通过检测阿尔茨海默氏症患者使用语言的方式上的细微差异，史蒂文斯理工学院的研究人员开发了一种AI算法，该算法有望准确诊断阿尔茨海默氏症，而无需进行昂贵的扫描或亲自测试。该软件不仅可以以低至95%的成本诊断阿尔茨海默氏症，而且还能够解释其结论，从而使医生可以再次检查其诊断的准确性。
该工具的创建者KP Subbalakshmi说：“这是一个真正的突破。”他是史蒂文斯人工智能学院的创始主任，查尔斯·舍弗工程学院的电气和计算机工程教授。“我们开辟了一个令人兴奋的新研究领域，使在向患者进行诊断的同时，更容易向患者解释AI为何得出结论的结论。这解决了医学上AI系统可靠性的重要问题。领域”
早就知道阿尔茨海默氏病会影响人的语言使用。患有阿尔茨海默氏症的人通常用代词代替名词，例如说“他坐在上面”而不是“男孩坐在椅子上”。患者也可能会使用尴尬的包皮环切术，说“我的胃因为没有进食而感到难受”，而不是简单的“我饿了”。通过设计一种使用注意力机制和卷积神经网络的可解释的AI引擎-卷积神经网络-一种随着时间的推移而学习的AI形式-Subbalakshmi和她的学生能够开发软件，该软件不仅可以准确地识别阿尔茨海默氏症的众所周知的迹象，而且可以还可以检测以前被忽略的细微语言模式。
Subbalakshmi和她的团队使用健康受试者和已知的阿尔茨海默氏症患者编写的文字训练了她的算法，他们描述了一张儿童从罐子里偷饼干的图画。Subbalakshmi和她的团队使用Google开发的工具，将每个句子转换为代表512维空间中特定点的唯一数字序列或向量。
这种方法甚至可以为复杂的句子分配一个具体的数值，从而更容易分析句子之间的结构和主题关系。通过将这些向量与手工特征一起使用-主题专家已识别出这些特征-AI系统逐渐学会了识别健康或不健康主体说出的句子之间的相似之处和不同之处，从而以极高的准确性确定给定文本对文本的可能性由阿尔茨海默氏症患者生产。
Subbalakshmi说：“这绝对是最新技术。” Subbalakshmi在8月24日于BioKDD举行的第19届国际生物信息学数据挖掘国际研讨会上与她的博士生Chen Mingxuan Chen和Wang Ning共同介绍了她的工作。 。“我们的AI软件是目前可用的最准确的诊断工具，但也可以解释。”
该系统还可以轻松合并新的标准，将来其他研究团队可能会确定这些新标准，因此随着时间的推移，它只会变得更加准确。Subbalakshmi解释说：“我们设计的系统既模块化又透明。”“如果其他研究人员发现了阿尔茨海默氏症的新标志，我们可以简单地将其插入我们的体系结构以产生更好的结果。”
从理论上讲，人工智能系统有一天可以根据从个人电子邮件到社交媒体帖子的任何文本来诊断老年痴呆症。但是，首先，需要使用已知的阿尔茨海默氏症患者产生的许多不同种类的文本来训练算法，而不仅仅是图片描述，而这种数据尚不可用。Subbalakshmi说：“算法本身非常强大。”“我们只受到可用数据的约束。”