重磅！我国团队研发 AI语音筛查阿尔茨海默登顶国际顶刊，快速锁定老年痴呆早期认知下降

近日，广东医科大学梁力中研究团队在国际顶级期刊《Alzheimer’s & Dementia》（该期刊系全球老年痴呆与阿尔茨海默病研究领域最具影响力的旗舰期刊之一）发表研究成果，首次将普通话语音与人工智能深度学习技术结合，实现阿尔茨海默病早期主观认知下降（SCD Subjective Cognitive Decline）的快速筛查，为我国老年痴呆早期防控提供了低成本、可推广的“中国方案”。

人口老龄化加速，我国现有阿尔茨海默病等认知障碍患者超过1500万人，总社会经济负担将突破1万亿元。SCD被认为是老年痴呆的重要早期阶段，是预防、减少阿尔茨海默发病的关键期，但传统筛查方式依赖问卷和量表，不仅耗时长、费用高，还需专业人员参与，难以在基层大规模推广。

算法结构图

针对此临床需求，广东医科大学与大连大学合作组建高水平医学人工智能团队，历时3年，收集了459名阿尔茨海默病（AD）、轻度认知障碍（MCI）、主观认知下降（SCD）及正常认知受试者的普通话语音数据，构建“特征融合残差网络模型”，通过融合语音声学特征和语言语义结构，实现对老年认知状态的智能识别。研究结果显示，仅需几十秒语音采集，即可完成筛查，整体分类准确率达82%，对SCD阶段识别效果尤为突出。

该系统具有非侵入性、低成本、便捷高效等特点，可应用于社区、家庭及远程医疗场景。论文第一作者、广东省衰老相关心脑疾病重点实验室副主任刘洲表示，相较传统筛查需耗时1小时以上、花费数百元，AI语音筛查更适合基层推广和大规模早筛。

筛查流程图

目前，研究团队着手将算法嵌入微信小程序，实现在线初筛，并获批专利快审通道与软件著作权。下一阶段将开展多中心临床验证，推动技术标准化及规模化应用，同时探索与企业合作，将系统接入智能音箱、手机APP及远程医疗平台，构建覆盖筛查、预警与干预随访的全周期认知健康管理体系。

随着人工智能与数字生物标志物研究的不断深入以及本土高级别临床证据的持续积累。团队将持续推进医工融合创新，以人工智能和数字生物标志物技术助力认知障碍疾病早发现、早干预，为积极应对人口老龄化、推进“健康中国”建设提供科技支撑。