2018年11月14日，一项发布在Radiology杂志上的研究报告显示，人工智能（AI）技术提高了脑成像预测阿茨海默症的能力。阿茨海默症的及时诊断非常重要，因为在疾病早期，对其的治疗和干预措施在疾病更为有效。
然而，事实证明，在早期诊断出此病状非常具有挑战性。虽然现有的研究已经能够将病发过程与新陈代谢的变化联系起来，比如说大脑某些区域的葡萄糖摄取的显示，但这些变化是微乎其微的，甚至非常难检测到。
图片来自网络
“大脑中葡萄糖摄取模式的差异是非常细小且分散的，”该报告的作者之一，即加州大学旧金山分校（UCSF）放射与生物医学影像部门的Jae Ho Sohn博士说：“人们能够检测到某种疾病的特定的生物特征变化，但人体代谢变化是一个更加整体以及微妙的过程。”
该研究报告的主笔人，即来自加州大学旧金山分校医学系的Benjamin Franc博士通过放射学大数据研究小组（一个专注于放射学数据的多学科医师和工程师团队）联系到了Sohn博士和加州大学伯克利分校的本科生丁一鸣。Franc博士对深度学习应用非常感兴趣，该应用属于人工智能范畴，即表明机器能够像人类一样通过实际例子学习，最后发现并预测阿茨海默症患者大脑新陈代谢的变化。
研究人员训练深度学习算法运用成像技术对被称为18-F-氟脱氧葡萄糖正电子进行了断层扫描（FDG-PET）。在断层扫描的过程中，研究热源将放射性葡萄糖化合物FDG注入血液中，然后，断层扫描对脑细胞中FDG的摄取进行测量，这是代谢活动的指标。
图片来自网络
另外，研究人员还获取了阿尔茨海默症神经影像学倡议（ADNI）的数据，这是一项全球性公私合作项，其重点依靠临床试验来改善阿兹海默症的预防和治疗。ADNI数据集包括来自1002名患者的2100多个FDG-PET脑图像。研究人员利用90％的数据集来训练深度学习算法，然后在剩余的10％数据集上进行测试。通过深度学习，该算法能够自己发现阿尔茨海默症相对应的代谢模式。
最后，研究人员在一组独立的40个成像检查中测试了该算法，这次检查来自40名之前从未参与该研究的患者。最后检测出的结果，深度算法在病发前六年的灵敏度达到了百分之百。“我们对算法的性能非常满意，”Sohn说：“它能够预测每一例会发展为阿茨海默症的病例。”
尽管Sohn博士说他们的独立测试集规模很小，还需要通过更大规模的研究来进一步验证，但他也表示该算法可以成为放射科医师工作的得力助手，特别当该算法与其他生化和成像测试相结合时，能够提供早期治疗干预的机会。
“如果我们在所有症状都出现时才诊断出阿茨海默症，那对大脑的损害非常大，再进行干预治疗已经为时已晚了。”他说：“如果我们能够更早地发现它，研究人员就有机会找到更好的方法来减缓甚至制止病变。”
加州大学旧金山分校的Youngho Seo博士说，他曾是该研究的指导顾问之一。未来的研究方向包括训练深度学习算法寻找β-淀粉样蛋白和tau蛋白的积累相关的模式，大脑中出现异常的蛋白质团块是阿茨海默症特殊的标志物。
