阿尔茨海默病（AD）是全球老年人面临的最严峻的医疗挑战之一，影响着数以百万计的人。传统诊断方法依赖于认知测试和神经影像学检查，而人工智能正逐渐成为辅助早期检测的潜在工具。
最近，悉尼科技大学石墨烯X-UTS以人为中心的人工智能研究中心的研究人员Quoc-Toan Nguyen、Linh Le、Xuan-The Tran、Thomas Do和Chin-Teng Lin发表了一项题为“ChatGPT能否诊断阿尔茨海默病？”的研究，探讨了通用AI模型ChatGPT是否能通过分析电子健康记录（EHRs）、MRI数据和认知测试分数来准确评估阿尔茨海默病的风险。
该研究考察了ChatGPT分析9,300份EHR的能力，结合基于MRI的神经影像和认知评估数据。研究人员采用了零样本学习和多样本学习方法，以确定ChatGPT在将患者分类为正常对照（NC）、轻度认知障碍（MCI）或阿尔茨海默病（AD）方面的表现。鉴于老年病学专家的严重短缺，特别是在资源有限的地区，这项研究突显了AI在缺乏人类专业知识的情况下辅助诊断评估的潜力。
研究中使用的两种主要提示方法包括零样本提示（ChatGPT仅基于预先存在的知识进行预测，无需先前示例）和多样本提示（在进行预测前提供训练示例）。通过评估ChatGPT在不同模态下的准确性——单独使用MRI扫描、单独使用认知测试分数以及两者的组合——该研究提供了关于AI在认知疾病检测中的潜力的宝贵见解。
研究结果表明，多样本提示在诊断准确性方面显著优于零样本提示。当采用多样本方法结合MRI和认知测试数据时，ChatGPT的准确率达到94.6%，具有较高的精确度、召回率和F1分数。相比之下，零样本方法虽然仍然有效，但准确率较低，为74.4%，这凸显了向模型提供示例的重要性。
此外，研究表明，单独使用认知测试分数比单独使用MRI数据提供了更好的诊断准确性，但两者的结合产生了最佳结果。校准指标（如预期校准误差ECE和最大校准误差MCE）也表明，多样本提示产生的置信度评分更为可靠，降低了假阳性和假阴性的风险。
另一项重要见解是，像ChatGPT这样的AI模型可以在服务不足和资源匮乏的地区填补诊断空白。许多发展中国家缺乏足够的神经科医生和老年病学专家，使得阿尔茨海默病的早期检测变得困难。结合远程医疗服务的AI驱动评估可以扩大医疗可及性，在正式评估之前提供更快的初步诊断。
该研究强调了AI在阿尔茨海默病诊断中的变革潜力。ChatGPT分析EHR、MRI扫描和认知评估的能力有助于早期检测，从而实现及时干预，改善患者的生活质量。考虑到预计会出现的痴呆症专家短缺，AI驱动的诊断工具可以通过提供初步评估来支持临床医生，然后再进行正式评估。
然而，仍存在挑战。该研究警告不要过度依赖没有人类监督的AI模型，尤其是由于AI在处理复杂的临床推理和不确定性方面的局限性。AI模型还表现出幻觉倾向，这意味着在没有强有力保障的情况下解释医疗数据时可能会得出错误或误导性的结论。研究人员强调，AI应作为辅助工具而非替代临床医生的功能。
此外，必须解决有关数据隐私和安全性的伦理考虑。AI在医疗保健中的应用需要严格的保护措施，以确保患者保密并防止敏感医疗信息的滥用。
这项研究为AI在医学诊断中的应用开辟了新途径。未来的工作可以扩展ChatGPT的能力，通过纳入其他生物标志物、遗传风险因素和纵向患者数据来进一步提高预测准确性。此外，将ChatGPT的表现与其他AI模型（如Gemini或LLaMA 2）进行比较可以提供有价值的基准。
另一个未来的研究方向是现实世界中的临床验证。AI模型必须在多样化的患者群体中进行测试，以评估其可靠性和普遍性。AI研究人员和医疗从业者之间的合作可能导致混合诊断模型的出现，其中AI增强而不是取代临床专业知识。
总体而言，尽管ChatGPT目前还不是独立的诊断工具，但这项研究表明它在阿尔茨海默病检测中具有作为辅助助手的潜力。通过改进AI方法并将其整合到临床工作流程中，研究人员和医疗专业人员可以朝着更可访问、准确和可扩展的认知疾病诊断方法迈进。随着AI的不断发展，其在增强早期检测和个性化治疗方面的作用可能会彻底改变痴呆症护理，改善全球数百万人的预后。
(全文结束)