XiaoMi-AI文件搜索系统
World File Search Systemadni
社论：人工智能在电子健康中的应用
近年来，人工智能得到了广泛的发展，并从多个角度改变了医疗保健行业：临床诊断、建议治疗和后续治疗。临床决策支持 (CDS) 是医学领域人工智能的一个主要课题，用于协助临床医生进行护理。用于处理健康数据的现有技术大致可分为两类：(a) 非人工智能 (AI) 系统和 (b) 人工智能系统。尽管非人工智能技术本质上不太复杂，但大多数系统都存在不准确和缺乏收敛性的缺点。因此，这些系统通常被基于人工智能的系统所取代，这些系统比传统系统优越得多。人工智能技术大多是混合型的，包括人工神经网络 (ANN)、模糊理论和进化算法。AI 提高了医疗保健专业人员更好地了解他们所照顾的人的日常模式和需求的能力，有了这种了解，他们就能够提供更好的反馈、指导和支持，以保持健康。基于 AI 的 CDS 使用推理和逻辑，而非基于 AI 的 CDS 则依靠机器学习来执行相同的功能。CDS 可以协助完成许多临床任务，但必须将 CDS 正确集成到临床工作流程和健康记录中。CDS 可用于通过使用计算机辅助诊断 (CAD) 来帮助临床医生解释医学图片。CAD 结合了 AI 以及计算机视觉、信号处理和其他与医学相关的组件。乳腺癌、肺癌、结肠癌、冠状动脉疾病和阿尔茨海默病只是可以从 CAD 中受益的几种疾病。社会对人工智能在医疗保健领域的不断扩大使用存在一些担忧，包括可能存在的偏见、某些人工智能算法缺乏透明度、用于人工智能模型训练的数据的隐私问题以及临床环境中的安全和实施责任。本期特刊涵盖了健康信息学、生物医学信息学和医学图像分析领域的所有人工智能 (AI) 领域。根据评论，从提交给本期特刊的总共 15 篇论文中选出了 8 篇论文。每篇论文至少需要两名审稿人和至少两轮审查。下面列出了一些对本次讨论做出重要贡献的论文。) 在本期特刊的第一篇论文中描述了他们的发现。作者 (Alashwal 等人) 使用来自阿尔茨海默病神经影像学计划 (ADNI) 的数据以及三年的独立潜在类别分析 (LCA 和 LTA) 和潜在转换分析 (LTA)。研究人员发现，在定义和识别疾病时，LCA 比神经心理学检查中的典型临床截止指标更能预测 AD 进展。
健康大脑项目中的无监督认知评估：对基于网络的阿尔茨海默病风险个人登记的影响
1. Jack CR, Jr.、Knopman DS、Jagust WJ 等人。阿尔茨海默病病理级联动态生物标志物的假设模型。Lancet Neurol。2010；9：119-128。2. Langbaum JB、Fleisher AS、Chen K 等人。开启临床前阿尔茨海默病的研究和治疗。Nat Rev Neurol。2013；9(7)：371-381。3. Sperling RA、Aisen PS、Beckett LA 等人。定义阿尔茨海默病的临床前阶段：美国国家老龄研究所-阿尔茨海默病协会工作组关于阿尔茨海默病诊断指南的建议。Alzheimers Dement。 2011；7：280-292。4. Insel PS、Weiner M、Mackin RS 等人。确定临床前阿尔茨海默病中具有临床意义的衰退。神经病学。2019；93：322-333。5. Buckley RF、Mormino EC、Amariglio RE 等人。性别、淀粉样蛋白、APOE ε 4 与临床前阿尔茨海默病中的认知衰退风险：来自三个特征明确的队列的发现。阿尔茨海默病痴呆症。2018；14：1193-1203。6. Ellis KA、Bush AI、Darby D 等人。澳大利亚衰老成像、生物标志物和生活方式 (AIBL) 研究：阿尔茨海默病纵向研究中招募的 1112 名个体的方法和基线特征。 Int Psychogeriatr。2009；21：672-687。7. Petersen RC、Aisen PS、Beckett LA 等人。阿尔茨海默病神经影像学计划（ADNI）：临床特征。神经病学。2010；74：201-209。8. Bauer RM、Iverson GL、Cernich AN、Binder LM、Ruff RM、Naugle RI。计算机化神经心理学评估设备：美国临床神经心理学学会和美国国家神经心理学学会联合立场文件。临床神经心理学史。2012；27：362-373。9. Feenstra HEM、Vermeulen IE、Murre JMJ、Schagen SB。在线认知：促进可靠的在线神经心理学测试结果的因素。临床神经心理学。 2017；31：59-84。10. Rolbillard JM、Illes J、Arcand M 等人。阿尔茨海默病英语在线测试的科学性和伦理性特征。阿尔茨海默病。2015；1：281-288。11. Weiner MW、Nosheny R、Camacho M 等人。脑健康登记处：一个基于互联网的平台，用于招募、评估和纵向监测神经科学研究参与者。阿尔茨海默病。2018；14(8)：1063-1076。12. Feenstra HEM、Vermeulen IE、Murre JMJ、Schagen SB。在线认知：促进可靠的在线神经心理学测试结果的因素。临床神经心理学。2016；31：59-84。 13. Crump MJ、McDonnell JV、Gureckis TM。评估亚马逊的 Mechanical Turk 作为实验行为研究工具的作用。PLoS One。2013；8(3)：e57410。
识别与认知正常个体的脑神经变性和血管病理相关的血浆蛋白
1. Jack CR Jr、Bennett DA、Blennow K、Carrillo MC、Framework NIA- AAResearch。阿尔茨海默病的生物学定义。Alzheimers Dement。2018；14：535-562。2. Apostolova LG、Green AE、Babakchanian S 等人。正常衰老、轻度认知障碍 (MCI) 和阿尔茨海默病中的海马萎缩和脑室扩大。Alzheimer Dis Assoc Disord。2012；26(1)：17-27。3. Schröder J、Pantel J。海马萎缩的神经影像学在阿尔茨海默病早期识别中的作用——经过二十年研究的批判性评价。Psychiatry Res Neuroimaging。2016；247：71-78。 4. Seab JP、Jagust WJ、Wong ST、Roos MS、Reed BR、Budinger TF。阿尔茨海默病海马萎缩的定量 NMR 测量。Magn Reson Med。1988；8：200-208。5. Debette S、Schilling S、Duperron MG、Larsson SC、Markus HS。血管性脑损伤磁共振成像标记物的临床意义：系统评价和荟萃分析。JAMA Neurol。2019；76：81-94。6. Prins ND、Scheltens P。白质高信号、认知障碍和痴呆：最新进展。Nat Rev Neurol。 2015；11：157-165。7. Wardlaw JM、Valdés Hernández MC、Muñoz-Maniega S。白质高信号是由什么构成的？与血管性认知障碍的关系。J Am Hear Assoc。2015；4：1140。8. Sundermann EE、Biegon A、Rubin LH、Lipton RB、Landau S、Maki PM。女性在言语记忆方面的优势是否导致人们低估女性与男性的阿尔茨海默病病理？J Alzheimers Dis。2017；56：947-957。9. Sundermann EE、Biegon A、Rubin LH 等。尽管海马萎缩程度相似，但 MCI 女性的言语记忆力优于男性。神经病学。 2016；86：1368-1376。10. Hua X、Hibar DP、Lee S 等。萎缩率的性别和年龄差异：一项基于 n = 1368 次 MRI 扫描的 ADNI 研究。神经生物学衰老。2010；31：1463-1480。11. Ardekani BA、Convit A、Bachman AH。MIRIAD 数据分析显示海马萎缩进展存在性别差异。阿尔茨海默病杂志。2016；50：847-857。12. Burke SL、Hu T、Fava NM。通过海马体积或白质高信号预测轻度认知障碍和疑似阿尔茨海默病发展的性别差异。女性衰老杂志。2019；31：140-164。 13. Kim S、Kim MJ、Kim S 等人。从轻度认知障碍转变为阿尔茨海默病的风险因素的性别差异：一项 CREDOS 研究。Compr Psychiatry。2015；62：114-122。14. Mielke MM、Vemuri P、Rocca WA。阿尔茨海默病的临床流行病学：评估性别和性别差异。临床流行病学。2014；6：37-48。15. Smith BH、Campbell A、Linksted P 等人。队列概况：苏格兰一代：苏格兰家庭健康研究 (GS:SFHS)。该研究、其参与者及其对健康和疾病的遗传研究潜力。国际流行病学杂志。2013；42：689-700。 16. Navrady LB、Wolters MK、MacIntyre DJ 等。群组概况：纵向分层复原力和抑郁 (STRADL) 研究：针对 Generation Scotland 的一项问卷随访：苏格兰家庭健康研究 (GS:SFHS)。国际流行病学杂志。2018；47：13-14g。17. Habota T、Sandu AL、Waiter GD 等人。纵向分层复原力和抑郁 (STRADL) 研究的队列概况：针对 Generation Scotland 的一项以抑郁为重点的调查，使用
本文综述了结构磁共振成像在常见神经精神类疾病中的应用
[3] LIBOWITZ MR,WEI K,TRAN T,et al.Regional brain volumes relate to Alzheimer's disease cerebrospinal fluid biomarkers and neuropsychometry:A cross-sectional,observational study[J].PLoS One,2021,16(7):e0254332.[4] 王含春 , 汪群芳 , 罗长国 , 等 .磁共振薄层扫描结合人工智能脑结构分割技术分析海马体积辅 助诊断脑小血管病认知功能障碍 [J].全科医学临床与教育 ,2024,22(3):208-211.[5] 姜华 , 宛丰 , 吕衍文 , 等 .2 型糖尿病伴认知功能障碍患者基于体素的脑形态学 MRI 研究 [J].中 国 CT 和 MRI 杂志 ,2018,16(4):22-25.[6] 景赟杭 , 郭瑞 , 常轲 , 等 .2 型糖尿病性认知功能障碍脑结构 MRI 成像研究进展 [J].延安大学学 报（医学科学版） ,2024,22(1):88-91,107.[7] 郭浩 , 和荣丽 .磁共振成像对老年性痴呆患者海马解剖结构的评估价值研究 [J].磁共振成 像 ,2022,13(8):75-79.[8] 罗财妹 , 李梦春 , 秦若梦 , 等 .阿尔茨海默病谱系患者的海马亚区体积损害特征 [J].中风与神经 疾病杂志 ,2019,36(12):1097-1101.[9] 冯伦伦 , 金蓉 , 曹城浩 , 等 .阿尔茨海默病患者认知功能减退的海马亚区结构改变分析 [J].临床 放射学杂志 ,2022,41(10):1819-1824.[10] WEI Y,HUANG N,LIU Y,et al.Hippocampal and Amygdalar Morpho logical Abnormalities in Alzheimer,s Disease Based on Three Chinese MRI Datasets[J].Curr Alzheimer Res,2020,17:1221-1231 ． [11] ESTEVEZ S S,JIMENEZ H A,ADNI G.Comparative analy sis of methods of volume adjustment in hippocampal volumetry for the diagnosis of Alzheimer disease[J].Neuroradiol,2020;47(2):161-5.[12] 曾利川 , 王林 , 廖华强 , 等 .结构与功能磁共振成像在轻度认知障碍及阿尔茨海默病中的应 用 [J].中国老年学杂志 ,2021,41(13):2902-2907.[13] KODAM P,SAI S R,PRADHAN S S,et al.Integrated multi-omics analysis of Alzheimer's disease shows molecular signatures associated with disease progression and potential therapeutic targets[J].Sci Rep,2023,13(1):3695.[14] 黄建 , 王志 .复杂网络分析技术在阿尔兹海默症患者脑结构和功能影像中的应用进展 [J].中 国医学物理学杂志 ,2024,41(8):1053-1055.[15] JELLINGER K A.The pathobiological basis of depression in Parkinson disease:challenges and outlooks[J].J Neural Transm(Vienna),2022,129(12):1397-1418.[16] BANWINKLER M,THEIS H,PRANGE S,et al.Imaging the limbic system in Parkinson's disease-A review of limbic pathology and clinical symptoms[J].Brain Sci,2022,12(9):1248.[17] 程秀 , 张鹏飞 , 王俊 , 等 .小脑结构与功能磁共振成像在帕金森病中的研究进展 [J].磁共振成 像 ,2022,13(4):146-149.[18] CUI X,LI L,YU L,et al.Gray Matter Atrophy in Parkinson's Disease and the Parkinsonian Variant of Multiple System Atrophy:A Combined ROI-and Voxel-Based Morphometric Study[J].Clinics(Sao Paulo),2020,75:e1505.[19] LOPEZ A M,TRUJILLO P,HERNANDEZ A B,et al.Structural Correlates of the Sensorimotor Cerebellum in Parkinson's Disease and Essential Tremor[J].Mov Disord,2020,35(7):1181-1188.[20] 鲍奕清 , 王二磊 , 邹楠 , 等 .帕金森病伴疲劳患者的大脑功能与结构磁共振成像研究 [J].临床 放射学杂志 ,2024,43(8):1265-1270.[21] 邹楠 , 王二磊 , 张金茹 , 等 .帕金森病伴疼痛患者大脑皮层厚度改变的结构 MRI 研究 [J].磁共 振成像 ,2024,15(5):13-18,23.[22] 屈明睿 , 高冰冰 , 苗延巍 .帕金森病伴抑郁在脑边缘系统结构及功能改变的 MRI 研究进展 [J].磁共振成像 ,2023,14(12): 127-131.
使用宏观结构的规范性术语
扩散MRI（DMRI）是一种强大的方法，通常用于研究大脑神经途径的微观结构和几何形状。它测量了活大脑中水扩散的特征1,2。由于使用DMRI检测到的扩散fro纤维沿着大脑的神经途径限制了水的扩散，因此可以重建大脑主要纤维捆的3D几何形状。在退化性疾病中发生的病理过程，例如神经元和髓磷脂的丧失以及炎症，会影响组织扩散特性，以改变组织微结构和途径几何形状。因此，DMRI对标准解剖学MRI无法检测到的病理过程敏感。各向异性和扩散性测量是表征白质（WM）微结构特性的最广泛使用的措施。这些扩散指标已在退化，开发和精神病疾病中进行了研究3。随着许多类型的分子病理学影响DMRI信号，包括大脑中的淀粉样蛋白和Tau蛋白的积累，大量文献集中在绘制WM异常，这些疾病在神经退行性疾病的发展中产生，例如阿尔茨海默氏病（Alzheimer's Panties）等神经退行性疾病（Alzheimer's Diseation（Alzheimer）4-6，4-6，4-6，Parkinson's Parkinson's Parkinson's Parkinson's Disen和其他Dementias。Thomopoulos等。5检查了四个标准DTI指标，以及它们与痴呆症的严重程度如何在730名患者中作为阿尔茨海默氏病神经成像倡议（ADNI）的一部分进行了扫描。一项后续研究6在皮质灰质中检查了DMRI指标。Schilling等。他们发现，使用临床痴呆评级（CDR）等级评估平均扩散率（MD）与年龄和痴呆症的严重程度有关。他们发现皮质DMRI指标介导了AD的脑脊液（CSF）标记与延迟逻辑记忆性能之间的关系，这通常在早期AD中受到损害。较低的CSFAβ142和较高的PTAU181与皮质DMRI测量相关，反映了限制扩散和更大的扩散率。 AD病理学与扩散指标之间的这种明显联系已经增强了对使用DMRI研究AD的兴趣。即使这样，标准分析方法通常会将微结构指数降低到相对较大的感兴趣区域的汇总。这些局限性刺激了以较小的解剖量表为8,9的疾病对疾病对脑微观结构的影响。dTI的指标，例如分数各向异性（FA），径向扩散率（RD）和轴向扩散率（AXD）易受纤维交叉点的敏感性 - 单个voxel 11和任何个人数字中的多填充群体的存在所影响。虽然已经提出了基于体素的基于氧化的12和横向测量法方法来进一步改善受试者间的比对并有助于解决交叉纤维，但仍在体素水平上计算了许多微观结构措施。此外，当前的术语方法通常使用单变量方法分别计算每个捆绑包的组统计信息，而无需考虑大脑中相交纤维的复杂模式。拖拉术数据也可用于研究WM束的宏观结构或“形状”特性。13个计算的捆绑束指标与大脑WM的年龄相关的宏观结构变化的异质模式在大脑WM中的异质模式相比，与更均匀的微结构变化模式相比。最近的一项研究14发现，使用基于氧化的分析指标，AD的早期与TAU相关的WM变化是宏观的。据我们所知，没有任何工作研究WM微结构和宏观结构如何在神经退行性条件下共同改变了使用Tractometry方法等神经退行性条件，我们在当前的研究中解决了这一问题。在这项研究中，我们提出了宏观结构的规范术（MINT），以共同模拟微观结构的测量和纤维束几何形状的同时变化，并使用一种称为变异自动装编码器（VAE）的深度学习方法。当用作规范模型时，VAE可以编码健康对照中扩散指标的正常变异性的解剖模式。这个多元模型集成了多个互补的微观结构特征，并说明了不同DMRI指标之间的统计协方差以及与空间相关性。我们将薄荷衍生的微型与DTI的传统单变量措施进行了比较，并研究了在大型多站点样本中，在轻度认知障碍（MCI）和痴呆症中WM异常的特征模式。我们还研究了WM异常与痴呆症严重程度的临床指标有关。由于有兴趣确定用于检测和跟踪痴呆症的最佳微结构指标，因此我们还通过评估其对痴呆症的敏感性来对DTI指标进行排名。在痴呆症和MCI中可视化WM微结构异常之后，在两个不同的祖先和人口统计组中，我们研究了它们与整体裂纹几何形状的关系，并指出可以通过微观结构和形状的联合统计模型来解决的解释的歧义。