早期診斷一直是阿茲海默病領域的一大難點。近日，來自加州大學舊金山分校的研究人員利用常用的腦部掃描技術開發的機器學習算法，可提早6年做出阿茲海默病診斷，為提早進行疾病干預帶來了新的希望。

阿茲海默病是一種神經系統退行性疾病，患有阿茲海默病的患者會出現記憶障礙、失語等癥狀，其病情會逐步加重，且無法逆轉。盡管目前尚未有可以治愈阿茲海默病的方法，近年來已有數款新藥被用于延緩病情惡化。能越早對患者進行干預，治療的效果就越好。

而目前診斷阿茲海默病的困難在于：以現有的診斷標準，確診時患者的神經細胞已經發生了大量不可逆的死亡。此時才開始治療，收效不甚理想。

令人欣慰的是，加州大學舊金山分校放射科住院醫師Jae Ho Sohn博士所領導的一項研究將機器學習算法和正子斷層照影（PET）相結合，能將診斷阿茲海默病的時間提早約6年零4個月。這項研究發表于近日出版的《Radiology》中。

正子斷層照影（PET）技術可以檢測大腦內特定分子的含量，如葡萄糖。作為為細胞提供能量的物質，大腦內葡萄糖的含量可以指示出腦細胞的活躍程度。對于早期阿茲海默病的患者，因為腦細胞逐步死亡，對應區域的葡萄糖含量也會逐步降低，直至完全消失。

研究人員利用PET掃描，測定大腦（特別是額葉和頂葉）中葡萄糖水平的下降，就能發現早期的阿茲海默病。可是，由于PET影像中的差異十分細微，肉眼無法分辨并作出判斷。此時，深度學習就可以充分發揮它的長處，代替醫生分析PET掃描的影像結果。

研究人員將來自阿茲海默病神經成像計劃（ADNI）中PET影像的公共數據用作機器學習的資料，其中包括了已確診為阿茲海默病、輕度認知功能障礙和健康受試者的PET掃描影像。

經過1921例影像的訓練，機器學習算法已經可以非常準確地通過PET掃描影像判斷阿茲海默病的存在。在測試中，研究者使用了另外188例來自ADNI的影像，和40例來自加州大學舊金山分校記憶與老齡化中心的影像。機器學習算法的診斷準確率分別高達92%和98%。更令人驚訝的是，機器學習算法的診斷，比現有的診斷方法提早了75.8個月（相當于約6年零4個月）。

PET掃描在臨床中普遍和CT掃描結合使用，且成本低廉。由于PET掃描設備普遍應用在基層醫療機構，這種診斷方法更易大范圍推廣。在較為早期的階段開始用藥治療，也可以較好地抑制病情的惡化程度，造福于患者。

在大腦神經領域，深度學習具備很多放射科醫生難以實現的功能，特別是在辨別全局性、細微性的影像變化上。這項研究的主導人Sohn博士表示，接下來會進一步驗證和校準機器學習算法，讓其具備診斷更多病患的能力。(生物谷世聯博研Bioexcellence）

小編推薦會議  2019先進體外診斷行業峰會

http：//meeting.世聯博研Bioexcellence/2019ivd？__token=liaodefeng