通过增加及时的诊断来改善痴呆症的护理是NHS的优先事项，但是约有一半的痴呆症患者并未意识到病情。

现在，一种新的机器学习模型可以扫描常规收集的NHS数据，显示出可以预测初级保健中未诊断的痴呆症的有希望的迹象。

在普利茅斯大学的带领下，这项研究收集了来自英国德文郡18个同意的GP外科手术的Read-encoded数据，涉及26,483名65岁以上的患者。

阅读代码是用于概述英国全科医生的临床和行政数据的临床术语词典，评估了它们是否可能导致痴呆症风险，其中包括体重和血压等因素。

这些代码用于训练机器学习分类模型，以识别可能患有潜在痴呆的患者。

结果表明，根据数据，84%的痴呆症患者被发现患有该疾病(敏感性值)，而87%的痴呆症患者被正确地认为没有该疾病(特异性值)。

这些结果表明，该模型可以检测出患有痴呆症的人，准确率高达84%。这表明，机器学习模型将来可能会大大减少患有未确诊痴呆症的人的数量，从大约50%(当前估计的数字)减少到8%*。

普利茅斯大学计算电子与数学学院的首席研究员伊曼纽尔·伊费切尔教授说，结果令人鼓舞。

他说：“机器学习是人工智能(AI)的一种应用，系统可以自动从经验中学习和改进，而无需进行明确的编程。”“它已经被用于整个医疗保健领域的许多应用中，例如医学成像，但以前从未以这种方式将其用于患者数据。该方法是有前途的，如果成功开发和部署，可能有助于增加初级保健中痴呆的诊断。”

普利茅斯大学医院NHS基金会的神经病学顾问顾问和普利茅斯大学转化与分层医学研究所的研究员Camille Carroll博士进行了这项研究。

她说：“痴呆症是一种具有多种不同促成因素的疾病，很难准确地发现或预测。有强大的流行病学证据表明，许多心血管和生活方式因素，例如高血压;高胆固醇;糖尿病;肥胖;行程;心房颤动;抽烟;认知，身体或社会活动的减少可以预测晚年痴呆的风险，但尚未进行任何研究使我们能够迅速看到这种情况。因此，拥有可以获取大量数据并自动识别可能患有痴呆症的患者，以帮助进行有针对性的筛查的工具可能非常有用，并有助于提高诊断率。”