跳至正文

单次脑部扫描诊断阿尔茨海默病

(纳闻记者李文瑞报导)

根据英国的一项研究,一种算法现在能够通过单次脑部扫描诊断阿尔茨海默病,该模型甚至可以在疾病的早期诊断个体,这通常是一项艰巨的任务。

“目前没有其他简单且广泛可用的方法可以如此准确地预测阿尔茨海默病,因此我们的研究是向前迈出的重要一步,”首席研究员 Eric Aboagye 教授在媒体发布会上说。

6 月 20 日发表在《自然》杂志上的研究发现,机器学习 MRI 算法可以以 98% 的准确率预测一个人是否患有阿尔茨海默氏症。 该模型还可以以 79% 的准确率区分早期和晚期阿尔茨海默病患者。

建模可以在大多数医院常见的标准 1.5 特斯拉机器上实现。

目前,要诊断患有阿尔茨海默病的人,必须进行许多测试,包括 MRI 或 CT、认知测试、血液测试以及寻找生物标志物或疾病标志的测试。

但是,所有测试本身的准确性都有限,需要额外的测试来支持它们。 2017 年对生物标志物数据的研究确定它对阿尔茨海默氏症诊断的准确率为 77%,而 2021 年的一项研究发现 MRI 可能会漏掉多达 20% 的病例,并可能错误地预测至少 50% 的早期诊断病例。

“许多在记忆诊所就诊的阿尔茨海默病患者确实也有其他神经系统疾病,但即使在这一组中,我们的系统也可以从那些没有阿尔茨海默病的患者中挑选出那些患有阿尔茨海默病的患者,”Aboagye 说。

该建模是通过采用一种用于分类癌症肿瘤的算法来进行的。 研究人员将大脑分为 115 个区域,并分配了 660 个不同的特征,例如大小、形状和纹理。 然后对其进行训练以识别这些特征,以准确预测阿尔茨海默病的存在。

研究人员发现,该算法识别出以前与阿尔茨海默病无关的特征,例如小脑——大脑中保持平衡姿势的部分——以及与感觉和运动功能以及睡眠-觉醒周期相关的腹侧间脑。

这些发现还为研究这些领域及其与阿尔茨海默病的联系开辟了潜在的新领域。

由于不同阶段存在不同的特征,一些阿尔茨海默病患者还可能患有其他疾病,如帕金森、额颞叶痴呆等; 因此,该算法使用两组不同的标准进行两轮。

这两组标准称为阿尔茨海默病预测向量 1 (ApV1) 和阿尔茨海默病预测向量 2 (ApV2)。

ApV1 在第一轮中用于识别阿尔茨海默病患者和未受影响的患者。 该算法检查了 656 个特征中跨大脑 14 个区域的 20 个特征。 它还整合了认知评分和 12 个区域中 19 个阿尔茨海默病标志的存在。

如果一个人被确定患有阿尔茨海默氏症,他们将通过 ApV2 算法进行扫描,该算法将患者分为早期和晚期疾病。 ApV2 提取了 8 个特征,并将认知评分与 19 种阿尔茨海默病特征相结合。

顾问神经学家 Paresh Malhotra 博士说,这种新算法可以帮助识别不可见的特征,即使是专家也不可见。

“使用能够选择大脑中受阿尔茨海默氏症影响的纹理和细微结构特征的算法,可以真正增强我们从标准成像技术中获得的信息,”他在媒体发布中说。


阿尔茨海默病患者的脑部扫描(Atthapon Raksthaput/Shutterstock)