本論文的目的是透過不同機器學習的方式，包含單純貝氏分類法、多層感知器、以決策樹為分類器的引導聚集算法、支持向量機等演算法，來建立臨床失智症量表數據和醫師診斷的篩選的模型。臨床量表數據依據失智症的嚴重程度分成六類、五類和三類等三種，研究結果顯示以決策樹為分類器的引導聚集算法為最佳。由於三類數據分布明顯為非平衡，因此透過SMOTE方法對，對少量數據進行調整，分析結果顯示對準確度與精確率的提升相當有限。最後利用主成分分析的技術，進行臨床量表題目的幾種化簡，並經由信度分析，選擇臨床量表的重要題目，研究結果顯示語言有關題目扮演重要角色。