現在、アルツハイマー病の診断は認知機能検査や画像検査を併用（一部で血液・髄液検査）して行われています。
それでも、十分に正確とは言えず、多くの偽陰性や偽陽性が生じているのが現状です。
今回は、マシン・ラーニングを用いて、画像検査の解析で、今までより正確にアルツハイマー病を診断することに挑戦した研究をご紹介します。
生体脳のメゾスコピック構造を用いたアルツハイマー病の予測モデル
400人以上のアルツハイマー型認知症と健常者、パーキンソン病、前頭側頭型認知症の認知機能、画像検査、Aβ等のバイオマーカーのデータが用いられました。
脳を115の領域に分け、660の特徴について解析し、他のデータと合わせて、マシン・ラーニングによる診断法の開発を行いました。
学習の結果として、２段階のステップでほぼ正確に（精度98％）にアルツハイマー病の診断が行えるようになりました。
従来までの診断法についての精度（陽性適中率）が、海馬の萎縮による画像診断で26％、脊髄液中のAβで62％と言われていることを考えると、大きなメリットがあるように思われます。
画像データの処理に大きなコストが発生する可能性が考えられますが、画像検査自体は通常のT1強調画像であり、非侵襲的で有益性の高い検査解析の手法であるとあると思われました。