●蔡及時表示，新系統不會造成訓練效應，用家亦可預設篩選周期，定期更新個人數據資料以作評估。香港文匯報記者詹漢基 攝香港文匯報訊（記者 詹漢基）認知障礙症患者的記憶力、語言能力，甚至是日常自理能力會日漸喪失，現時醫學界主要靠「簡易心智量表」（MMSE）診斷長者是否患有認知障礙，惟過早或頻繁地使用量表，或會造成「訓練效應」，量表有機會因此失效，阻礙診斷良機。理工大學研究團隊成功研發出「人工智能認知障礙症風險評估系統」，透過輸入年齡、血壓、健康指標等數據，推測長者的MMSE表現，有助醫護人員盡早介入治療。
據《精神健康檢討報告 (2017)》數據顯示，本港認知障礙症患者多達10萬名，約佔全港長者人口十分之一，若能及早辨識患者，對減輕醫療系統負擔有一定作用。理大護理學院教授、智能健康研究中心總監蔡及時表示，MMSE是醫學界使用多年的篩檢工具，透過算術、記憶、繪圖等簡單問題，以30分為滿分，總分23分以下代表可能存在認知功能障礙，但若過早使用或頻密重複使用MMSE，長者或會出現訓練效應，影響評估效能。
蔡及時領導的團隊遂利用2008年至2018年期間從地區服務中獲得的逾2,000名51歲至104歲長者的健康數據，建立「人工智能認知障礙症風險評估系統」，用於預測長者患上認知障礙症的風險。團隊為每位長者建立一組個人數據庫，包括年齡、性別、血壓、憂鬱量表分數、牙齒狀況等500項數據，並收集其MMSE分數，透過人工神經網絡找出當中的關聯。用家只要輸入長者個人數據，模型即會預測MMSE結果，自動識別疑似患者。系統不涉及任何測試，沒有訓練效應，用家亦可預設篩選周期，定期更新個人數據資料以作評估。
200長者試用 準確度約78%
研究團隊正與東華三院梁顯利長者日間服務中心合作，約200名長者使用過這套系統，對照他們真實的MMSE分數，系統準確度約78%。蔡及時坦言，「建立模型時收集的數據只有五分之一的參數完整，加上認知能力正常與異常樣本比例為4:1，對模型的準確度難免造成影響。」但團隊會以各種統計學上的方法調整數據，減低影響。
該項研究早前除了已申請美國專利，亦於2019年獲得香港創新科技署「創新及科技基金」支持約300萬港元進行為期三年研究。蔡及時表示，團隊計劃於明年下半年申請「公營機構試用計劃」，期望尋找到更多服務中心合作，進一步完善模型。長遠而言，團隊可以醫學診斷結果作為參照，提升準確度，若模型發展成熟，更可推算長者的營養狀況、生活水平等，具有很高的靈活性。