负责团队建议，经过进一步验证，该工具可以极大地帮助早期发现阿尔茨海默氏症，给予治疗时间更有效地减缓疾病。

来自旧金山加利福尼亚大学的研究人员使用了1,002人大脑的正电子发射断层扫描（PET）图像来训练深度学习算法。

他们使用90％的图像来教授算法如何发现阿尔茨海默病的特征，剩余的10％用于验证其性能。
 

然后，他们在另外40人的大脑的PET图像上测试了该算法。从这些算法，该算法准确地预测了哪些人将接受阿尔茨海默氏症的最终诊断。平均而言，扫描后诊断时间超过6年。
 

在一篇关于放射学期刊最近发表的研究结果的论文中，研究小组描述了该算法如何“在100％灵敏度下达到82％的特异性，在最终诊断之前平均达到75.8个月。”

“我们非常高兴，”在该大学的放射学和生物医学成像部门工作的共同作者Jae Ho Sohn博士说，“算法的表现”。

“它能够预测每一例发展为阿尔茨海默病的病例，”他补充道。

 

阿尔茨海默病和PET成像

阿尔茨海默氏症协会估计，美国约有570万人患有阿尔茨海默病，到2050年，这个数字可能会增加到近1400万。

早期和更准确的诊断不仅会使受影响的人受益，而且随着时间的推移，它还可以共同节省大约7.9万亿美元的医疗费用和相关费用。
 

随着阿尔茨海默病的进展，它改变了脑细胞如何使用葡萄糖。葡萄糖代谢的这种改变表现在一种PET成像中，其跟踪称为18 F-氟脱氧葡萄糖（FDG）的放射性葡萄糖的摄取。
 

通过给出关于寻找什么的指示，科学家们能够训练深度学习算法来评估FDG PET图像以获得阿尔茨海默氏症的早期征兆。

 

深度学习'自学'

研究人员借助于1,002个人大脑的超过2,109个FDG PET图像来教授该算法。他们还使用了阿尔茨海默病神经影像学计划的其他数据。

该算法利用深度学习，这是一种复杂类型的人工智能，涉及通过实例学习，类似于人类学习的方式。

 

深度学习允许算法通过发现数千个图像之间的微妙差异来“自学”寻找什么。
 

在分析FDG PET图像时，该算法与人类专家一样好，如果不是更好的话。

作者指出，“与放射学读者相比，深度学习模型在识别将继续临床诊断为[阿尔茨海默病]的患者时表现更好，具有统计学意义。”
 

未来的发展

Sohn博士提醒说，这项研究规模很小，现在需要对这些研究结果进行验证。这将涉及使用更大的数据集和随着时间的推移从各个诊所和机构的人员拍摄的更多图像。

将来，该算法可能是放射科医生工具箱的有用补充，并为早期治疗阿尔茨海默病提供了机会。

研究人员还计划将其他类型的模式识别纳入算法。

研究的共同作者，放射学和生物医学成像系教授Youngho Seo解释说，葡萄糖代谢的变化并不是阿尔茨海默氏症的唯一标志。他补充说，蛋白质的异常积累也是这种疾病的特征。
 

“如果带有[人工智能]的FDG PET能早期预测阿尔茨海默病，那么β-淀粉样蛋白斑块和tau蛋白PET成像可能会增加另一个重要的预测能力。”

Youngho Seo教授