阿爾茨海默病又稱老年癡呆，是一種常見的神經系統退行性疾病，目前尚無治愈方法。雖然近年來出現的一些藥物可以幫助阻止病情的發展，但是這些治療必須在疾病發展早期就進行才能發揮足夠有效的作用。

為此，科學家們一直在與時間賽跑，以期發現早期診斷病情的方法。

在近期發表于Radiology上的一項研究中，研究人員將神經影像學與機器學習（人工智能）相結合，試圖預測患者在首次出現記憶障礙時是否會患上阿爾茨海默病（這是對其進行干預的最佳時機），并最終成功使診斷時間比常規方法提前了近6年！

阿爾茨海默氏癥患者的大腦（左）與未患該病的人的大腦之間的比較

PET掃描原理及短板

診斷阿爾茨海默病的一種常用工具叫做正電子發射斷層掃描（PET），主要原理是通過掃描測量大腦中特定分子（如葡萄糖）的水平來判斷癥狀嚴重程度的。葡萄糖是腦細胞的主要燃料來源，細胞越活躍，消耗的葡萄糖就越多。隨著腦細胞的病變和死亡，葡萄糖消耗逐漸減少，最終沒有葡萄糖。

其他一些類型的PET掃描，旨在尋找與阿爾茨海默病有關的蛋白質，但葡萄糖PET掃描更常見且更便宜，尤其是在較小的醫療機構和發展中國家，因為它們還被用于癌癥分期。

因此，放射科醫生多使用這些掃描試圖通過尋找大腦中（額葉和頂葉中）降低的葡萄糖水平來檢測阿爾茨海默氏癥。但問題是，由于該疾病是一種緩慢的進行性疾病，因此葡萄糖的變化非常微妙，難以用肉眼觀察。

阿爾茨海默氏病患者腦部的PET掃描

隨著人工智能技術的發展，科學家們有了將機器學習與PET掃描相結合以更早、更可靠地診斷早期阿爾茨海默病的想法。

人工智能有效提高診斷效率

在最新這項研究中，為了訓練“InceptionV3架構的卷積神經網絡”（一種機器學習算法），主要研究者Jae Ho Sohn及其同事收集了來自阿爾茨海默病神經影像學計劃（ADNI）的一些圖像，這是一個龐大的公共PET掃描數據集，來自阿爾茨海默病、輕度認知障礙或無障礙患者。

隨后，這種算法開始獨立學習哪些特征對于預測阿爾茨海默病的診斷非常重要，哪些不是。通過在ADNI數據集上進行訓練、對比、測試以及最后的結果分析，研究人員發現，開發用于早期預測阿爾茨海默病的深度學習算法在100％靈敏度下達到82％的特異性，并在病人得到最終診斷之前平均75．8個月——相當于六年，做出了正確的疾病預測。

重要意義

阿爾茨海默病的難點在于，當所有的臨床癥狀出現并且我們可以做出明確診斷時，太多的神經元已經死亡，基本上已經難再逆轉。而如果這一算法能夠做到提前診斷，Sohn認為在神經科醫生開始試圖將記憶低下患者視為阿爾茨海默病的癥狀時，可以使用該算法幫助他們更快地獲得所需要的治療。

“我相信這種算法具有很強的臨床相關性，” Sohn說，“然而，在我們能夠做到這一點之前，我們需要在更大，更多樣化的患者隊列中驗證和校準算法，最好是來自不同大陸和各種不同類型的設置。”

Sohn表示，下一步他們將在來自不同醫院和國家的更大、更多樣化的數據集上測試和校準這一算法。