根据PLOS One发表的一项研究，英格兰吉尔福德的萨里大学的科学家已经开发了一种工具，该工具可以使用机器学习来识别和治疗痴呆症患者早期的尿路感染。
“我很高兴看到我们设计的算法对改善痴呆症患者的健康状况以及为临床医生提供一种为患者提供更好支持的工具产生了影响，” Shirin Enshaeifar博士，研究作者兼高级研究员萨里大学视觉，语音和信号处理中心(CVSSP)在一份声明中说。
在这项研究中，科学家们使用可联网的生命机体信号监测设备网络，远程监测了家里的健康痴呆症患者。他们设计了一种使用非负矩阵分解(NMF)技术的UTI检测机器学习算法，以分析从监视设备流过来的数据。然后将NMF模型与另一个使用二进制支持向量机(SVM)分类器的UTI检测解决方案进行了比较。
“如果在早期发现尿路感染，可以通过服用抗生素解决;然而，UTI仍未得到诊断，可能导致重大健康问题，导致入院。” Enshaeifar等人。写道。
数据来自总共53名参与者。研究表明，结果表明NMF模型优于SVM模型，并减少了误报警报的数量。研究人员还将使用“隔离森林”技术设计一种算法，该算法可检测活动模式的变化并识别认知或健康状况下降的早期迹象，随后由临床监测团队进行跟踪。
CVSSP机器智能教授Payam Barnaghi在一份准备好的声明中说：“我们相信我们的算法将成为医疗保健专业人员的宝贵工具，使他们能够为患者制定更有效和[个性化]的计划。”
这项研究显示，目前全球约有5000万人患有痴呆症，预计到2030年将达到8200万人，到2050年将达到1.52亿。在英国，四分之一的病床被痴呆症患者占用，而尿路感染是住院的首要原因之一。
CVSSP教授兼主任艾德里安·希尔顿(Adrian Hilton)在一份声明中说：“机器学习可以为痴呆症患者提供更好的护理，使其留在家里，减少住院治疗，并帮助NHS释放床位。”