【本站讯】6月9日，医院参与阿尔茨海默病的具有泛化性和生物学意义的结构影像标记物研究以《Generalizable,reproducible,andneuroscientificallyinterpretableimagingbiomarkersforAlzheimer'sDisease》为题在《Advancedscience》上发表（2019年IF=15.804）。中国科学院脑网络组研究中心的刘勇研究员和皇冠428428娱乐娱城放射科王青教授为本文的共同通讯作者。

阿尔茨海默病(AlzheimerDisease,AD)，俗称“老年痴呆症”，是老年人群中最常见的认知障碍疾病。脑结构改变是追踪疾病进展和诊断AD的重要生物标志物。深度学习方法在疾病辅助识别中的应用得到了广泛关注。然而，深度学习的分类模型的泛化性和可解释性还没有被系统地评估。

为突破这一重要应用难题，中国科学院自动化研究所脑网络组研究中心联合皇冠428428娱乐娱城、中国人民解放军总医院、首都医科大学宣武医院、天津环湖医院等国内外多家单位的研究人员组成的研究团队，共同提出了一个基于影像生物标记物的3D注意网络模型（3DAN），从而实现AD的辅助识别。团队基于1800余例脑影像样本，发现大脑诸多重要脑区，例如颞叶、海马、海马旁回、扣带回、丘脑、楔前叶等，可以作为AD的影像学标记，并从标记的泛化性、个体化精准诊断的可行性与生物调控机制等方面进行了系统的研究。

针对现有的临床影像学标记的泛化性能不足这一关键问题，课题组瞄准利用磁共振影像对AD进行辅助早期识别这一目标，分析6个中心的AD及轻度认知损害病人（AD高风险人群）的脑影像、临床与认知评估等数据，并利用美国ADNI数据库（包括基因组学、脑影像、临床认知评估等临床数据）作为验证数据，在多中心、大样本数据集上进行了交叉验证。另外，研究证明了AD组和轻度认知损害组的患病概率与临床评分（即被试的认知功能、脑脊液β-淀粉样蛋白含量、脑脊液tau蛋白含量和多基因风险分数）显著相关，为3D注意网络模型提供了神经生物学支持，并且此模型在预测轻度认知障碍患者是否在3年内进展为AD具有很高的有效性；脑结构成像在辅助诊断AD及风险预测上具有重要的作用。

该研究受到国家重点研发计划课题、国家自然科学基金委面上项目、中国科学院先导项目等项目的支持。

相关链接：https://onlinelibrary.wiley.com/doi/abs/10.1002/advs.202000675

【作者：王大伟来源：放射科责编：李小诗】