而在亞利桑那大學的醫學院，神經學副教授Rui Chang建立一套人工智慧模型，負責識別阿茲海默症相關的遺傳觸發因素，尋找需要移除或抑制的基因目標，進而改變阿茲海默症病程發展。以傳統識別方式進行此研究相當緩慢，如同在茂密的資訊森林當中，一次只觀察一棵樹；但AI可以一次觀察整片資訊森林，找到人類難以發現的東西。比如該模型僅花費兩個月就確認6,000個基因目標，若用傳統的方式進行，則需要花上10年的時間才能達到同樣數量的結果。
醫學樣本較少，開發AI工具一大挑戰
問題是，AI需要大量數據來學習訓練，才能完善運作，但醫療領域的樣本有限，數據相對較少。而且與受控的實驗室環境相比，臨床病例差異較大，讓AI失效的可能性提升。
AI研究員有意識到樣本稀少的問題，因此採取行動改善。例如RetiSpec與14個研究合作夥伴採集樣本，並選擇種族和社會經濟多樣化的社區來收集樣本；Neurovision從不同的數據集中收集樣本，並與其他數據集比較，盡可能減少錯誤發生的機率；亞利桑那大學教授Chang也使用數學模型來克服問題，試圖減少錯誤並提升預測的準確性。
阿茲海默症目前是不治之症，只能透過及早發現的方式來延緩病程與改善狀況，而透過AI檢測視網膜圖像的方式，讓醫師能夠以更低成本、更快的方式檢測出阿茲海默症，並提供適當的治療與照顧。雖然現在市場對AI的熱潮消退，但AI仍在升級各個產業，提升人們的生活水準。除了檢測阿茲海默症，也期望AI能找到治療方式，幫人類解決這麻煩的慢性疾病。
本文為風傳媒特邀導讀人金牛幫幫忙撰寫，請點此訂閱：風傳媒・華爾街日報VVIP，風傳媒會員獨享全球最低優惠價，暢讀中英日文全版本之華爾街日報，洞悉國際政經最前沿。
責任編輯／郭家宏
