بیماری زوال عقل چالشی مهم است که بیش از ۵۵ میلیون نفر در سراسر جهان به آن مبتلا هستند و هزینه درمان آن سالانه ۸۲۰ میلیارد دلار است. پیش‌بینی می‌شود تعداد مبتلایان طی ۵۰ سال آینده تقریباً سه برابر شود. علت اصلی زوال عقل در ۶۰ تا ۸۰ درصد موارد بیماری آلزایمر است و به همین دلیل، تشخیص زودهنگام از اهمیت فراوانی برخوردار است، زیرا احتمال تأثیر درمان‌ها را افزایش می‌د‌هد. یک گروه پژوهشی به سرپرستی دانشمندان بخش روانشناسی دانشگاه کمبریج انگلیس یک مدل یادگیری ماشین را طراحی کرده‌اند که قادر است پیش‌بینی کند فردی که دچار مشکلات خفیف حافظه و تفکر است به بیماری آلزایمر مبتلا می‌شود یا خیر. این پژوهش نشان می‌دهد این ابزار دقیق‌تر از ابزارهای تشخیصی بالینی فعلی است. همچنین این روش جدید نیاز به آزمایش‌های تشخیصی تهاجمی و پرهزینه را کاهش می‌دهد.
تشخیص زودهنگام و پیش‌آگهی (پیش‌بینی آینده بیماری) زوال عقل، بدون استفاده از آزمایش‌های تهاجمی یا گران‌قیمت مانند اسکن توموگرافی گسیل پوزیترون (یک روش تصویربرداری که به وسیله آن می‌توان عملکرد متابولیک یا بیوشیمیایی بافت‌ها و اعضای بدن را به تصویر کشید) یا پونکسیون کمری (نمونه‌برداری از مایع مغزی نخاعی یا تزریق داروها با سوزن و سرنگ) معمولاً چندان دقیق نیست. ضمن اینکه این آزمایش‌ها در همه آزمایشگاه‌های حافظه انجام نمی‌شوند. در نتیجه ممکن است درباره حدود یک‌سوم بیماران تشخیص اشتباه داده شود و تشخیص بیماری سایرین نیز خیلی دیر شده باشد و درمان برای آن‌ها مؤثر نباشد. لذا این روش جدید می‌تواند بسیاری از مشکلات فوق را رفع کرده، تشخیص زودهنگام این بیماری مهلک را به راحتی میسر کند و در عین حال باعث شود درمان زودتر نتیجه دهد.