阿尔兹海默症（Alzheimer.s disease, AD）是一种与年龄相关的慢性进行性中枢神经系统退行性疾病，在大于65岁老年人中AD患病率约为5%，之后每增龄5岁，AD发病风险就增加1倍，2015年全球痴呆病人约为4680万（Engla,2010）。2017年最新统计表明，我国在65岁及以上人群中，老年期痴呆患病率为5.56%。目前，该病上尚无法治愈，主要通过药物干预以缓解症状，延缓疾病进展。因此，对阿尔兹海默症进行早预测，早发现，早诊断和早干预，是解决这个医学和社会难题的重要手段。

由于药物治疗存在一定的不良反应，近年来非药物治疗已越来越多地应用于AD病人的治疗。音乐的干预是非药物治疗中较为经济、有效、方便的一种方法，一系列神经心理学实验表明，乐曲（音乐对象）的关联知识，以及乐器（音乐来源）和音乐符号，这些方面可以评估大脑对音乐感知能力和神经心里功能。语义痴呆患者显示相对差的识别的音乐作品和音乐符号；相比之下，阿尔兹海默症患者能更好的识别作曲家、音乐时代和受损的音乐符号，但不能分辨正常的音乐情感识别和乐器的声音（Omar，Hailstone, Warren, Crutch, & Warren,2010）,结果说明音乐元素可以有效区分不同的脑疾病，暗示不同的发病规律。

从以上的研究表明，音乐的各种元素阿尔兹海默症的认知障碍息息相关。因此，如何从音乐元素入手，发觉音乐疗法奠定了理论基础，建立起中的连接，是揭开音乐与脑健康疾病的关键，也为音乐疗法奠定了理论基础。随着我国大数据和人工智能的发展，数据驱动的研究方法用于许多方向的研究中，从而形成不同领域的只能应用。因此，我们利用机器学习的方法，通过正常和阿尔兹海默症患者的队列对比研究，探索这两类人群在诸多音乐元素上的表现差异，例如，使用不同的乐器，对音准以及节奏的反应差异，建立一套对阿尔兹海默症预测和诊断的系统。

经研发，目前已建立适合阿尔兹海默症评定的乐器演奏方案及判别标准，得到了乐器演奏判别阿尔兹海默症的模型并申请了发明专利。本项课题对非药物治疗判别阿尔兹海默症方面，特别是音乐疗法的促进起到重要的作用。