根据发表在《放射学》上的一项研究，人工智能(AI)技术提高了大脑成像预测阿尔茨海默病的能力。

阿尔茨海默病的及时诊断非常重要，因为治疗和干预措施在疾病早期更有效。然而，早期诊断被证明是具有挑战性的。研究已将疾病过程与代谢变化联系起来，如大脑某些区域的葡萄糖摄取所示，但这些变化可能难以识别。“大脑中葡萄糖摄取模式的差异非常微妙和分散，”该研究的合著者、来自加州大学旧金山分校(UCSF)放射学和生物医学成像系的Jae Ho Sohn博士说。“人们擅长寻找疾病的特定生物标志物，但代谢变化代表了一个更全面和微妙的过程。”

该研究的高级作者、来自加州大学旧金山分校的医学博士Benjamin Franc通过放射学大数据研究小组(一个专注于放射学的多学科医学和工程团队)与Sohn博士和加州大学伯克利分校的本科生丁取得了联系。数据科学。弗兰克博士对应用深度学习感兴趣，深度学习是一种人工智能，机器通过像人类一样的例子进行学习，以找到预测阿尔茨海默病的大脑代谢变化。研究人员使用一种叫做18-F-氟脱氧葡萄糖正电子发射断层扫描(FDG-PET)的特殊成像技术来训练深度学习算法。在FDG-PET扫描中，放射性葡萄糖化合物FDG被注入血液。然后，PET扫描可以测量脑细胞中FDG的摄取，这是代谢活动的指标。

研究人员从阿尔茨海默病神经成像倡议(ADNI)获得了数据，这是一项主要的多地点研究，专注于改善这种疾病的预防和治疗的临床试验。ADNI数据集包括来自1002名患者的2100多张FDG-PET脑图像。研究人员在90%的数据集上训练深度学习算法，然后在剩下的10%的数据集上进行测试。通过深度学习，算法可以自学阿尔茨海默病对应的代谢模式。

最后，研究人员在一组独立的40次成像检查中测试了该算法，这些检查来自40名以前从未研究过的患者。当疾病在最终诊断前平均检测超过六年时，该算法达到100%的灵敏度。“我们对算法的性能非常满意，”孙博士说。"它可以预测每一个发展成老年痴呆症的病例."尽管他警告说，他们的独立测试集很小，需要通过更大的多机构前瞻性研究进一步验证，但Sohn博士说，该算法可以成为补充放射科医生工作的有用工具——特别是与其他生化和成像测试一起——并为早期治疗干预提供机会。“如果我们在所有症状都出现时诊断出阿尔茨海默氏病，那么大脑体积就会减少很多，以至于干预为时已晚，”他说。“如果我们能更早发现它，研究人员将有机会找到更好的方法来减缓甚至阻止疾病进程。”

据加州大学旧金山分校的Youngho Seo博士介绍，未来的研究方向包括训练深度学习算法，以寻找与-淀粉样蛋白和tau蛋白积累相关的模式。大脑中异常的蛋白质团块和缠结是阿尔茨海默病的特定标志。曾担任这项研究的指导顾问之一。“如果早期使用人工授精的FDG-PET可以预测阿尔茨海默病，那么-淀粉样斑块和tau蛋白的PET成像可能会增加另一个重要的预测能力，”他说。