這項研究使用機器學習技術來觀察大腦的結構特征，包括以前與阿爾茨海默病沒有關聯(lián)的區(qū)域。這項技術的優(yōu)點是簡單，而且它可以在疾病很難診斷的早期階段識別疾病。

帝國理工學院6月20日消息

雖然阿爾茨海默病沒有治愈方法，但在早期迅速得到診斷對患者有很大幫助。這使他們能夠獲得幫助和支持，得到治療來控制他們的癥狀，并為未來做好計劃。能夠在疾病的早期階段準確識別患者也將有助于研究人員了解引發(fā)疾病的大腦變化，并支持新治療方法的開發(fā)和試驗。

這項研究發(fā)表在自然系列期刊《通訊－醫(yī)學》（Communications Medicine）上，并由英國國家健康研究所（NIHR）帝國生物醫(yī)學研究中心（Imperial Biomedical Research Centre）和英國醫(yī)學研究理事會（MRC）資助。

研究于2022年6月20日發(fā)表在《Communications Medicine》雜志上

阿爾茨海默病是最常見的一種失智癥，在英國影響著超過 50 萬人。雖然大多數(shù)患有阿爾茨海默病的人在 65 歲以后發(fā)病，但這個年齡以下的人也會發(fā)病。失智癥最常見的癥狀是記憶喪失和思考、解決問題和語言困難。

醫(yī)生目前使用大量的測試來診斷阿爾茨海默病，包括記憶和認知測試以及腦部掃描。這種掃描被用來檢查大腦中的蛋白質(zhì)沉積和海馬體（大腦中與記憶有關的區(qū)域）的萎縮。所有這些測試可能需要幾周的時間來安排和處理。

新方法只需要其中一項——在大多數(shù)醫(yī)院常見的 1．5T 標準機器上進行磁共振成像（MRI）腦部掃描。

研究人員采用了一種用于癌癥腫瘤分類的算法，并將其應用于大腦。他們將大腦分為 115 個區(qū)域，并分配 660 個不同的特征，如大小、形狀和質(zhì)地，以評估每個區(qū)域。然后，他們訓練算法，以確定這些特征的變化可以準確預測阿爾茨海默病的存在。

利用阿爾茨海默病神經(jīng)影像學倡議（Alzheimer’s Disease Neuroimaging Initiative，ADNI）的數(shù)據(jù)，研究團隊在 400 多名早期和晚期阿爾茨海默病患者、健康對照組和其他神經(jīng)系統(tǒng)疾病患者（包括額顳葉失智和帕金森病）的腦部掃描上測試了他們的方法。他們還用英國國民醫(yī)療服務體系（NHS Trusts）帝國理工醫(yī)療保健中心 80 多名接受阿爾茨海默病診斷測試的患者的數(shù)據(jù)進行了測試。

他們發(fā)現(xiàn)，在 98％ 的病例中，僅磁共振成像（MRI）為基礎的機器學習系統(tǒng)就能準確預測患者是否患有阿爾茨海默病。它還能夠以相當高的準確率（79％）區(qū)分早期和晚期阿爾茨海默病。

領導這項研究的帝國理工學院外科和癌癥系的 Eric Aboagye 教授說：“目前，沒有任何其他簡單且廣泛可用的方法能夠預測阿爾茨海默病的準確性達到這樣的水平，所以我們的研究是向前邁出的重要一步�！痹S多在記憶診所出現(xiàn)阿爾茨海默病的患者也有其他神經(jīng)系統(tǒng)疾病，但即使在這個群體中，我們的系統(tǒng)也能從那些患有阿爾茨海默病的患者中區(qū)分出來。

“等待診斷對病人和他們的家人來說是一種可怕的經(jīng)歷。如果我們能減少他們等待的時間，使診斷過程變得更簡單，并減少一些不確定性，將會有很大的幫助。我們的新方法還可以識別早期患者，進行新藥治療或改變生活方式的臨床試驗，這目前很難做到�！�

新系統(tǒng)發(fā)現(xiàn)了之前與阿爾茨海默病沒有關聯(lián)的大腦區(qū)域的變化，包括小腦（大腦中協(xié)調(diào)和調(diào)節(jié)身體活動的部分）和腹側(cè)間腦（與感覺、視覺和聽覺有關）。這為研究這些領域及其與阿爾茨海默病的聯(lián)系開辟了潛在的新途徑。

Eric Aboagye 教授

Paresh Malhotra 博士是英國國民醫(yī)療服務體系（NHS Trusts）帝國理工醫(yī)療保健中心的神經(jīng)病學顧問，也是帝國理工學院腦科學系的研究員，他說：“盡管神經(jīng)放射科醫(yī)生已經(jīng)解釋了 MRI 來幫助診斷阿爾茨海默病，但掃描中可能有一些特征是不可見的，即使對專家來說也是如此。使用一種能夠選擇大腦中受阿爾茨海默病影響的紋理和細微結構特征的算法，可以真正增強我們從標準成像技術中獲得的信息。”

Paresh Malhotra  博士

創(chuàng)立于1907年的英國帝國理工學院

參考文獻

Source：Imperial College London

Single brain scan can diagnose Alzheimer’s disease

Reference：

Inglese， M．， Patel， N．， Linton－Reid， K． et al． A predictive model using the mesoscopic architecture of the living brain to detect Alzheimer’s disease． Commun Med 2， 70 （2022）． https：／／doi．org／10．1038／s43856－022－00133－4

       原文標題 : 單次腦部掃描可以診斷阿爾茨海默病