阿尔茨海默病（Alzheimer's disease, AD）是一种常见的神经退行性疾病，以进行性认知功能障碍和行为损害为特征，目前尚无治愈方法。尽管近年来出现了一些药物（如抗β-淀粉样蛋白抗体）可延缓病情进展，但这些治疗必须在疾病早期阶段进行才能发挥最大效果。因此，早期诊断成为改善预后的关键。

近日，一项发表于《Radiology》的研究将神经影像学与机器学习（人工智能）相结合，开发出一种深度学习算法，能够在患者首次出现记忆障碍时预测其是否会发展为阿尔茨海默病，诊断时间比常规方法提前近6年！

PET扫描原理及局限性

正电子发射断层扫描（PET）是诊断阿尔茨海默病的常用工具之一。其中，氟代脱氧葡萄糖（FDG）-PET通过测量大脑中葡萄糖代谢水平来评估神经元活性。随着神经元变性和死亡，葡萄糖消耗逐渐减少。然而，由于阿尔茨海默病是缓慢进展性疾病，葡萄糖代谢的微妙变化难以用肉眼识别，导致早期诊断困难。

人工智能提升诊断效率

研究团队采用基于InceptionV3架构的卷积神经网络（CNN），利用阿尔茨海默病神经影像学计划（ADNI）的公共PET扫描数据集进行训练。该算法独立学习与阿尔茨海默病预测相关的影像特征。在100%灵敏度下，算法达到82%的特异性，并在患者最终确诊前平均75.8个月（约6年）做出正确预测。

临床意义与未来方向

阿尔茨海默病的难点在于，当临床症状明显时，大量神经元已不可逆死亡。提前诊断可为患者争取宝贵的治疗窗口。主要研究者Jae Ho Sohn表示，该算法可帮助神经科医生在记忆障碍患者中早期识别阿尔茨海默病，从而及时干预。下一步将在更大、更多样化的国际队列中验证和校准算法。