确定疾病存在 [1] 的洞察力。生物医学数据正在以前所未有的速度生成。生物医学科学家和临床医生都需要使用高性能计算、生物信息学和云存储,以有意义的方式高效、准确地分析这些数据。处理大型数据集的现代问题需要人工智能的现代解决方案,特别是利用人工智能的深度学习子学科。围绕人工智能(包括机器学习和深度学习)的普遍兴趣在近代历史上经历了急剧上升,因为它有望彻底改变医疗保健 [2] 。然而,已经澄清的是,“人工智能不会取代放射科医生,但使用人工智能的放射科医生将取代不使用人工智能的放射科医生” [3] 。迫切需要对患有神经退行性疾病的人进行早期诊断。到做出诊断时,中枢神经系统的损伤程度已无法修复。事实反复证明,预防神经退行性疾病的最佳方法是及早采取行动,而这只有通过早期诊断才能实现 [4] 。由于 AD 在人群中发病率高、社会负担重、无症状的临床前期长,早期诊断对于扭转疾病的趋势至关重要 [5] 。目前,AD 的诊断依据是临床表现为认知和记忆缺陷,以及组织病理学上存在混合蛋白病。AD 诊断所需的生物标志物包括 β-淀粉样斑块和由过度磷酸化的 tau 组成的神经原纤维缠结 [6] [7] 。通过影像、血液或脑脊液 (CSF) 分析结合组织学标志物,有助于明确区分轻度认知障碍 (MCI)、AD 的各个阶段或其他形式的痴呆症,例如路易体痴呆或额颞痴呆 [8] [9] [10] 。非侵入性或微创成像已成为 AD 诊断发展中的宝贵资产。例如,β-淀粉样斑块的 PET 扫描需要注射专门的放射性标记示踪剂,例如 florbetapir [11] 。PET 扫描用于 AD 诊断已被证明具有至少 96% 的敏感性和 100% 的特异性,即使对于较轻微的疾病形式也是如此 [7] 。然而,MRI 扫描仅使用磁场和无线电波进行成像。此外,脑成像提供了一种侵入性较小的方法尽管 PET 成像已获得 FDA 批准多年,并且具有很高的诊断准确性,但由于成本高昂以及患者对使用放射性标记示踪剂的担忧,它尚未成为标准的临床实践。因此,MRI 不使用计算机断层扫描 (CT) 所用的 X 射线,也不使用 PET 扫描所用的放射性标记示踪剂。但是,对于某些不能暴露于强磁波的患者(例如装有心脏起搏器或动脉瘤夹的患者),MRI 是不切实际的。MRI 可以准确检测 AD 患者的皮质萎缩模式、心室扩大、β-淀粉样斑块和神经原纤维缠结的存在和密度 [12] [13] 。
主要关键词