尽管人工智能（AI）备受热议，但它还无法取代医生，也不能自动完成脑部手术。不过，它能够分析海量数据，帮助我们更好地研究、诊断和治疗疾病，甚至预防疾病。我们希望，人工智能能够扭转阿尔茨海默病实验性疗法连续二十年失败的局面。
医学领域最有前景的人工智能应用之一是机器学习。这是一种利用算法从数据模式中学习的智能技术。正如 Siri 会学习你的声音、Facebook 能预测你喜欢看哪些视频一样，学习算法可以扫描糖尿病患者的视网膜，预测视力丧失风险，或对整座城镇居民的基因组进行测序，以发现致病基因突变。
我们想了解一种名为“多层聚类”的新型、无偏人工智能能为我们揭示哪些阿尔茨海默病信息。阿尔茨海默病治疗领域的进展令人振奋，也令人失望。二十年来，我们对这种疾病的认识不断加深，却仍未能研发出有效的预防性疗法。
轻度认知障碍是阿尔茨海默病的前兆，其亚型众多且尚未明确，这也是部分原因。当临床试验用一种药物治疗多种认知障碍时，超过99%的试验失败还有什么值得惊讶的呢？
如果能更准确地识别并归类脑部变化和认知障碍相似的人群，科学家就能更精确地检验试验药物的影响。为此，我们将多层聚类算法用于分析一项美国研究——阿尔茨海默病神经影像学倡议项目中的数十个数据点，包括认知测试、脑部扫描和脑脊液生物标志物。样本来自562名轻度认知障碍患者，他们接受了最长五年的随访。
人工智能识别出两个值得关注的群体：一组人的认知能力迅速下降，患阿尔茨海默病的风险最高；另一组人的症状几乎没有减轻，或完全没有减轻。第三组未被归入任何聚类。
脑部扫描显示，“快速衰退者”的脑萎缩速度是病情进展缓慢者的两倍。快速衰退者从轻度认知障碍发展为痴呆的速度，也达到病情进展缓慢者的五倍。完整研究结果于7月发表在《科学报告》上。
通过考察快速衰退者的共同特征，这类算法未来或许能帮助医生在确诊前数年识别出最有可能罹患阿尔茨海默病的人。
这些发现对未来临床试验的设计具有直接意义。我们早已零散地了解到一些情况——有几十种基因会增加患病风险，某些脑部变化也会增加风险——但像人工智能算法这样的无偏工具，可以将这些信息整合起来，呈现出科学家原本可能看不到的整体图景。
