AI发力：将阿兹海默病诊断时间提前六年！

　　早期诊断一直是阿兹海默病领域的一大难点。近日，来自加州大学旧金山分校的研究人员利用常用的脑部扫描技术开发的机器学习算法，可提早6年做出阿兹海默病诊断，为提早进行疾病干预带来了新的希望。

阿兹海默病患者脑部的PET扫描影像（图片来源：National Institute on Aging）

　　阿兹海默病是一种神经系统退行性疾病，患有阿兹海默病的患者会出现记忆障碍、失语等症状，其病情会逐步加重，且无法逆转。尽管目前尚未有可以治愈阿兹海默病的方法，近年来已有数款新药被用于延缓病情恶化。能越早对患者进行干预，治疗的效果就越好。

　　而目前诊断阿兹海默病的困难在于：以现有的诊断标准，确诊时患者的神经细胞已经发生了大量不可逆的死亡。此时才开始治疗，收效不甚理想。

　　令人欣慰的是，加州大学旧金山分校放射科住院医师Jae Ho Sohn博士所领导的一项研究将机器学习算法和正子断层照影（PET）相结合，能将诊断阿兹海默病的时间提早约6年零4个月。这项研究发表于近日出版的《Radiology》中。

　　正子断层照影（PET）技术可以检测大脑内特定分子的含量，如葡萄糖。作为为细胞提供能量的物质，大脑内葡萄糖的含量可以指示出脑细胞的活跃程度。对于早期阿兹海默病的患者，因为脑细胞逐步死亡，对应区域的葡萄糖含量也会逐步降低，直至完全消失。

　　研究人员利用PET扫描，测定大脑（特别是额叶和顶叶）中葡萄糖水平的下降，就能发现早期的阿兹海默病。可是，由于PET影像中的差异十分细微，肉眼无法分辨并作出判断。此时，深度学习就可以充分发挥它的长处，代替医生分析PET扫描的影像结果。

　　研究人员将来自阿兹海默病神经成像计划（ADNI）中PET影像的公共数据用作机器学习的资料，其中包括了已确诊为阿兹海默病、轻度认知功能障碍和健康受试者的PET扫描影像。

　　经过1921例影像的训练，机器学习算法已经可以非常准确地通过PET扫描影像判断阿兹海默病的存在。在测试中，研究者使用了另外188例来自ADNI的影像，和40例来自加州大学旧金山分校记忆与老龄化中心的影像。机器学习算法的诊断准确率分别高达92%和98%。更令人惊讶的是，机器学习算法的诊断，比现有的诊断方法提早了75.8个月（相当于约6年零4个月）。

　　PET扫描在临床中普遍和CT扫描结合使用，且成本低廉。由于PET扫描设备普遍应用在基层医疗机构，这种诊断方法更易大范围推广。在较为早期的阶段开始用药治疗，也可以较好地抑制病情的恶化程度，造福于患者。

　　在大脑神经领域，深度学习具备很多放射科医生难以实现的功能，特别是在辨别全局性、细微性的影像变化上。这项研究的主导人Sohn博士表示，接下来会进一步验证和校准机器学习算法，让其具备诊断更多病患的能力。