这项发现在《衰老神经生物学》的期刊上有着详细的介绍。作为研究这项课题的专家，麦吉尔大学神经学和精神病学的副教授Pedro Rosa－Neto说：“如果你能提前知道一群人中谁将会得痴呆症，那么这个人将能更好的测试预防该疾病的新药物。”
这个算法是通过搜寻大脑扫描淀粉样蛋白的形成来生效的，在那些被发现有轻度认知功能障碍的人们的大脑中，蛋白质逐渐积累然后发展为痴呆症。在老年痴呆发作前，淀粉样蛋白可在大脑中慢慢积累长达数年或者数十年，并且其将同时在大脑的不同位置以不同的速度积累。更值得一提的是，并不是每个有淀粉样蛋白积聚的人都会形成认知障碍。这增加了科学家们研究痴呆发展进程的难度。
机器学习让它变的更简单
通过研究阿兹海默神经影像学计划（ADNI）中的数百种PET扫描影像，科学家们演练出一种可以通过首先分析具有轻度认知障碍的患者脑中的淀粉样蛋白累计程度，并进而能提前在老年痴呆发作前有所察觉的算法。之后他们公布了那些最终患了老年痴呆病人们脑部扫描样本。
随后他们发布了一系列新的脑扫描图像，其中一些来自于目前患有轻度认知障碍的患者。不过，这一系列新发布的图像均来自于在患者病情进一步加重之前。这个算法预测了最后患者发病的概率，精确度达到了84%。
Rosa-Heto对麦吉尔时报说：“这是一个数据和开放科技如何给患者护理带来切实好处的实例。”
给病人护理带来的最大的好处就是提高了临床试验的成功率和评估了针对老年痴呆症（最常见痴呆形式）药物的效力。
此项研究的共同领导人Serge Gauthier对麦吉尔时报说：“通过这个方法，临床试验可以致力于研究那些在短时间内之内有较高可能发展成为痴呆的个体。这大大节省了实施这项研究所必须要花费的成本和时间。”
