MIT推進診斷老年癡呆的認知計算，解決機器學習的黑箱問題

毋庸置疑，人類的壽命正在變長。而伴隨而來的老齡化問題，也導致了老年人可能面臨認知衰退的威脅，比如老年癡呆等疾病。

根據相關機構的統計顯示，美國確認患有老年癡呆的患者目前有500萬人，而在2050年將會達到1350萬人。為了更好地抵禦這樣的老年危機，MIT與Lahey醫院醫學中心一同研發了一款工具，能夠幫助更好地檢測認知障礙，早發現早治療，以間接減少患病的人數。

CSAIL的認知系統與人機交互專家Randall Davis及Lahey醫院與醫學中心的神經學專家Dana Penney一同牽頭推動研究，在畫鐘測試(CDT)的基礎上進行改進。

雷鋒網瞭解到，畫鐘測試是一種傳統的檢測老年癡呆的測試手段，憑藉其簡單、實用的特點已經延續了半個世紀。畫鐘測試首先會要求老人獨立畫出一個有錶盤數位的鐘，錶針需要指向醫生所說的時間。隨後，再讓老人重複畫一個相同的鐘。

前一個步驟主要考察的是對方對語言的理解能力與記憶能力；而第二個步驟則是考察空間推理與執行功能。根據雷鋒網瞭解，得分標準有四個：

錶盤是一個閉鎖的圓；

數字在錶盤上的位置正確；

數字沒有畫出圓外；

所指示的時間與醫生所要求的時間一致。

Davis與Penney與他們的學生團隊進行合作，希望用一支電子筆取代原有的普通筆。醫生不僅能夠檢測病人的畫鐘結果，還能檢測到對方的繪畫過程。經過長達十年的研究，Penney與同事們對4000位受試者進行了電子筆的測試，並通過機器學習構建預測模型，結果顯示，比起傳統的醫師人工診斷，電子筆呈現出了更精確的診斷率。

然而這個測試仍然存在不足之處，那就是機器學習的黑箱問題。機器無法告訴人類它是如何思考的，這也意味著整個診斷過程缺乏透明度及置信度。團隊開始意識到，不論是對醫生還是病人而言，一個複雜且不透明的演算法都無法被接受。

IBM也一直在推進認知計算，即將機器學習及思考的過程儘量通過邏輯的方式呈現。MIT目前也想嘗試用同樣的方式推動機器診斷的合理性。

Souillard-Mandar與Randall Davis

學生Souillard-Mandar表示，分析將由兩個部分組成：

理解受試者在畫的內容：比如畫出一些連續的橫杆，這代表時鐘的分針刻度；

而基於這樣的理解，系統能夠呈現整體的測試結果，並綜合認知函數給出醫師能夠理解的指標。“這也是我們讓模型可理解的關鍵，臨床醫生也能夠很輕易地理解演算法是如何推導出決策內容的。”

實驗顯示，新型的機器學習測試能夠節約醫生的大量時間，同時提升準確性，在易用的同時也保證了造價便宜。Davis表示，

“有很多藥物能夠減緩老年癡呆的惡化，因此早發現並及早接受治療，無疑是有益於老人的。”

在過去兩年裡，Davis與團隊努力將產品從實驗室延伸到臨床階段。Davis、Penney與投資人Philip Cooper聯合創辦了一家名為Digital Cognition Technologies(DCT)的公司，將原來的電子筆及微型電腦打造為一款名為DCTclock的產品。認知能力的測試像測量血壓一樣快捷方便，而且在一分鐘內就能夠獲得結果。目前一些製藥公司正在使用產品進行臨床測試，並計畫在2018年為臨床醫生提供服務。

雷鋒網瞭解到，美國聯邦的老年保健醫療制度Medicare在最近就決定將DCTclock普及65歲以上公民的年度檢查，就像PET掃描一樣快速而安全。“PET能夠測量生理方面的健康指標；而我們能夠對行為進行測量，並判斷用戶的認知。”

via 

MIT

，雷鋒網編譯