در این روش که توسط محققان دانشگاه مک‌گیل کانادا طراحی شده است، با استفاده از روش‌های یادگیری ماشین و تصویربرداری بتاآمیلوئید می‌توان احتمال ابتلا به اختلال شناختی ضعیف (MCI) را 2 سال قبل از مشاهده اولین علایم پیش‌بینی کرد.
اختلال شناختی ضعیف حالتی است که در آن عملکردهای شناختی از جمله حافظه و مهارت تفکر به مرور زمان تضعیف می‌شود. کاهش عملکرد شناختی در MCI کاملا قابل توجه است ولی فعالیت‌های روزمره فرد را مختل نمی‌کند.
بر اساس گزارش انجمن آلزایمر آمریکا، احتمال بروز اختلال شناختی ضعیف در 10 تا 15 درصد بزرگسالان 65 سال و بالاتر وجود دارد و این افراد بیشتر در معرض خطر ابتلا به آلزایمر هستند. در حالی که علت بروز این اختلال هنوز مشخص نیست ولی مطالعات نشان می‌دهد تجمع پروتئین بتاآمیلوئید نقش مهمی در این زمینه دارد.
در حال حاضر هیچ روشی برای تشخیص این اختلال وجود ندارد ولی محققان مک‌گیل ادعا می کنند الگوریتم طراحی شده آنان قادر به پیش‌بینی این حالت است.
این الگوریتم با استفاده از اطلاعات 273 بیمار مبتلا به MCI طراحی و با استفاده از روش اسکن PET تجمع پروتئین بتاآمیلوئید بررسی شده است؛ این نرم‌‌افزاری با استفاده از اطلاعات حاصل‌شده از اسکن، قادر به پیش‌بینی آلزایمر 2 سال قبل از علایم اولیه است.
مطالعات نشان می‌دهد دقت این نرم‌افزار حدود 84 درصد است. پیش‌بینی سریع آلزایمر در موفقیت درمان نقش موثری دارد.
نتایج این مطالعه در نشریه Neurobiology of Aging منتشر شده است.