波士顿大学的研究团队开发了一款人工智能工具，能同时诊断10种痴呆症，提升了神经科医生的诊断准确率26%以上。研究成果发表在《Nature Medicine》上，对全球日益增长的痴呆症患者群体具有重要意义。AI利用多模态临床数据，包括人口信息、病史、影像数据等，实现精准鉴别诊断。研究显示，AI在识别不同病因和阶段痴呆症方面表现出色，有望缓解神经科医生短缺带来的压力，并支持个性化治疗。然而，模型有待扩大样本多样性，考虑AD病理异质性和更精确的疾病阶段划分，以提高在不同人群和亚型中的应用能力。未来计划整合更多元数据和改进模型架构，以期在痴呆症诊断领域取得更大突破。

波士顿大学的研究团队与合作者开发了一款人工智能工具，能同时诊断10种痴呆症类型，提升了神经科医生的准确率26%以上。这项突破发表在《自然医学》上，针对全球日益增长的痴呆症患者需求，特别是阿尔茨海默病和其他相关病症。AI基于多模态临床数据进行鉴别诊断，已在九个全球数据集的五万人数据上训练，结果显示模型在认知状态和病因诊断上表现优异。尽管研究主要基于白人数据，存在种族偏差和AD病例偏多的问题，但AI展示了潜在的临床应用价值。未来研究将聚焦于数据多样性、病理异质性和更精确的疾病阶段评估，以提高模型的准确性与普适性。