近日，意大利巴里大学的研究人员开发出一种基于人工智能的新算法，能够在阿尔茨海默病症状出现前10年，通过分析大脑微结构变化实现早期检测。该研究发表于《Radiology》等期刊，为神经退行性疾病的早期干预提供了新思路。

研究团队利用67份核磁共振成像（MRI）扫描数据训练人工智能模型，其中38份来自阿尔茨海默病患者，29份来自健康对照。他们将扫描图像分割成小区域，分析神经元之间的连接模式。训练完成后，模型在148名受试者的脑部扫描中进行测试，包括48名阿尔茨海默病患者、48名轻度认知障碍（MCI）患者和52名健康对照。结果显示，该算法诊断阿尔茨海默病的准确率达85%，检测轻度认知障碍的准确率达84%，表明其作为早期诊断工具的潜力。

阿尔茨海默病是一种进行性神经退行性疾病，病理特征包括β-淀粉样蛋白斑块和tau蛋白缠结。传统诊断多在症状出现后进行，而此时大脑已发生不可逆损伤。该算法通过识别早期微结构变化，有望为患者争取10年的治疗窗口期，延缓疾病进展。然而，目前数据仅来自南加州大学阿尔茨海默病神经影像学计划（ADNI）数据库，算法泛化能力仍需验证。未来需在更大规模、多中心队列中进一步测试。

这项研究强调了人工智能在医学影像分析中的价值，尤其是深度学习在检测细微结构异常方面的优势。随着算法优化和数据积累，AI辅助诊断有望成为阿尔茨海默病筛查的常规工具。