숨겨진 패턴 식별

이 기술은 가장 위험한 사람을 파악하기 전에 먼저 데이터의 숨겨진 패턴을 식별한다. 알고리즘은 또한 치매로 잘못 진단되었을 수 있는 사람들의 수를 줄이는 데 도움이 될 수 있다. 

이 연구는 JAMA Network Open에 게재되었으며 알츠하이머 연구 영국(Alzheimer's Research UK)이 자금을 지원했다.

연구원들은 미국의 30개 국립 알츠하이머 조정 센터 기억 클리닉 네트워크에 참석한 사람들의 데이터를 분석했다. 연구 시작 당시 치매가 아니었던 참석자들은 기억력 및 뇌 기능과 관련된 다양한 문제를 겪고 있었다.

잘못된 진단 뒤집기

이 연구의 또 다른 새로운 발견은 치매 진단의 약 8%가 오류로 보였으며 결국 진단이 뒤집혔다는 것이다. 이러한 일관성 없는 진단 중 머신러닝 알고리즘은 80% 이상을 정확하게 식별할 수 있었다. 

David Llewellyn 교수는 엑서터 대학교의 앨런 튜링 펠로우이다. 그는 새로운 연구를 감독했다.

Llewellyn 교수는 "이제 우리는 2년 이내에 누가 치매에 걸릴지 정확하게 예측하도록 컴퓨터를 가르칠 수 있다"고 말했다. "또한 우리의 머신러닝 접근 방식이 오진 되었을 수 있는 환자를 식별할 수 있다는 사실을 알게 되어 기쁘다. 이것은 임상 실습에서 추측을 줄이고 진단 경로를 크게 개선하여 가족이 필요한 지원에 최대한 신속하고 정확하게 접근할 수 있도록 하는 잠재력이 있다.”

Janice Ranson 박사는 이 대학의 연구원이다.

“우리는 치매가 매우 두려운 상태라는 것을 알고 있다. 메모리 클리닉에 머신 러닝을 포함시키면 진단이 훨씬 더 정확해지고 잘못된 진단으로 인해 발생할 수 있는 불필요한 고통을 줄이는 데 도움이 될 수 있다.”고 Ranson 박사는 말했다. 

팀은 이제 클리닉에서 머신러닝 방법의 실제 사용을 평가하기 위한 후속 연구를 수행할 것이다.

Rosa Sancho 박사는 영국 알츠하이머 연구의 연구 책임자이다.

Sancho는 "인공지능은 치매를 유발하는 질병의 조기 발견을 개선할 수 있는 엄청난 잠재력을 가지고 있으며 자신이나 사랑하는 사람이 증상을 보이는 것에 대해 우려하는 사람들을 위한 진단 프로세스에 혁명을 일으킬 수 있다."고 말했다. "이 기술은 기존의 대안적 접근 방식보다 크게 개선되었으며 의사가 생활 방식 변경을 권장하고 지원 또는 심층 평가의 혜택을 받을 수 있는 사람을 식별하는 기반을 제공할 수 있다." 

이 연구는 2005년에서 2015년 사이에 진행되었으며 참가자 10명 중 1명은 기억 클리닉을 방문한 지 2년 이내에 새로운 치매 진단을 받았다. 정확도가 92%인 머신러닝 모델은 기존의 다른 두 가지 연구 방법보다 이러한 경우를 훨씬 더 정확하게 예측했다.