失智癥(dementia)也稱癡呆癥，是一種無法治愈的癥候群。患者除了記憶力減退，還會影響到其他認知功能，包括語言能力、判斷力等的退化，還可能出現個性改變、妄想或幻覺。

這一病癥影響了全球3600萬人。其中，最常見的失智癥是阿爾茨海默癥(Alzheimer’s disease)，該病癥的患者占總患者的50%到70%。

為了尋找阿爾茨海默癥的早期患病跡象，有科學家嘗試使用血液與腦脊液進行檢測，也有人嘗試開發小工具來檢測。

意大利巴里大學的研究人員則認為，AI是早期檢測阿爾茨海默癥的最佳解決方案。他們通過開發AI模型，搜集阿爾茨海默癥患者病發前10年間的微小身體變化，并訓練模型“認出”癥狀，進而預測阿爾茨海默癥的發病可能性。

首先，他們利用67份MRI掃描訓練AI模型，其中包括38份阿爾茨海默癥患者掃描紀錄以及29份健康對照組。訓練完成后，他們讓AI針對148名測試者進行腦部掃描，其中有48名阿爾茨海默癥患者和48名目前呈現輕度知能障礙的患者，輕度知能障礙一般被認為是失智癥的過渡期。結果顯示，AI辨識出阿爾茨海默癥患者的準確率高達86%，輕度認知障礙患者準確率亦高達84%。這表示此AI模型如果發展成熟，很有可能成為阿爾茨海默癥早期診斷的有效工具。

而美國麻省理工學院(MIT)電腦科學與人工智能實驗室卡塔比教授領導的團隊則開發出監測阿爾茨海默癥早期癥狀的動態追蹤裝置：一個裝在墻上的扁平白色方盒。它使用低功率無線電波，能反射半徑9米內的所有物體。任何微小動態，甚至呼吸，都會引起反射訊號變化，藉此記錄人每天的一舉一動，隨后所有的訊號皆上傳云端，再用機器學習算法分析這些微小的反射變化，從大量數據中找出規律，辨識病人的步伐、位置、呼吸模式、睡眠狀況等。

通過收集大量的行為數據，研究人員能追蹤及了解病人的早期征兆，例如躁動、憂郁、睡眠中斷、重復特定行為等等，這些行為都是阿爾茨海默癥的征兆。

研究參與者有已確診的阿爾茨海默癥患者，也有尚未確診的老人。研究人員認為，人工智能能從行為數據中學習，找出細微的差異和變化，并辨識出風險高的患者。制藥公司也對該技術很感興趣，因為人工智能將可能用來協助追蹤、判斷實驗藥物是否確能改善病人癥狀。