認知老化相關(guān)神經(jīng)退行性疾病的早期診斷與干預(yù)，是當(dāng)下腦科學(xué)領(lǐng)域的研究熱點。近日，澳門大學(xué)健康科學(xué)學(xué)院袁振教授做客腦客中國科研直播間，以“基于多模態(tài)MRI和AI的認知老化智慧診斷”為主題，分享了團隊在額顳葉癡呆分型、帕金森病前驅(qū)期鑒別及阿爾茨海默癥早期診斷中的最新研究成果，為認知老化相關(guān)疾病的精準診療提供了前沿思路與技術(shù)路徑。

報告開篇，袁振教授指出，認知老化分為正常與病理性兩類，其中阿爾茨海默癥（AD）和帕金森氏癥（PD）是發(fā)病率最高的神經(jīng)退行性疾病，不僅給患者和家庭帶來沉重負擔(dān)，也造成巨大的社會醫(yī)療開支。AD以記憶障礙為核心，我國65歲以上人群發(fā)病率約3-5%，輕度認知障礙（MCI）患病率達20.8%；PD發(fā)病率居第二位，且隱匿性強、死亡率高，早期診斷與有效干預(yù)是減少和延緩二者發(fā)生發(fā)展的關(guān)鍵。而多模態(tài)MRI結(jié)合AI技術(shù)，能從微觀基因到宏觀認知行為的跨尺度、多模態(tài)、多組學(xué)角度構(gòu)建AD綜合疾病模型，遴選生物標志物，為認知老化疾病的精準診療提供解決方案。

在額顳葉癡呆（FTD）的研究中，針對其亞型難以區(qū)分的問題，袁教授團隊提出基于模塊化架構(gòu)的腦網(wǎng)絡(luò)分析方法。研究將大腦靜息態(tài)功能網(wǎng)絡(luò)劃分為8個模塊，定義模塊隔離指數(shù)和參與系數(shù)作為核心指標，發(fā)現(xiàn)行為變異型、語義變異型FTD在默認網(wǎng)絡(luò)、腹側(cè)注意網(wǎng)絡(luò)等區(qū)域的模塊隔離指數(shù)顯著降低，反映出網(wǎng)絡(luò)連接強度受損。基于這些指標結(jié)合臨床數(shù)據(jù)構(gòu)建的機器學(xué)習(xí)模型，能將FTD三個亞型（行為變異、語義變異、非流利性失語）及健康對照精準區(qū)分，分型精度達85%以上，且左側(cè)額葉、眶額皮質(zhì)等特定腦區(qū)的模塊指數(shù)為FTD個體化診斷提供了關(guān)鍵依據(jù)。

針對帕金森病前驅(qū)期診斷難題，團隊通過融合多模態(tài)MRI數(shù)據(jù)構(gòu)建放射組學(xué)參數(shù)，實現(xiàn)了健康對照、PD患者及前驅(qū)期PD患者的有效區(qū)分，并進一步將前驅(qū)期PD劃分為“趨向健康”（N-P）和“趨向帕金森”（P-P）兩個亞型，其中P-P亞型已表現(xiàn)出腦圖譜和灰質(zhì)體積的明顯異常。基因測序發(fā)現(xiàn)，PLS1等基因突變與灰質(zhì)體積變化、神經(jīng)遞質(zhì)、神經(jīng)傳導(dǎo)密切相關(guān)，且這類基因與癲癇存在強關(guān)聯(lián)，這一發(fā)現(xiàn)為PD干預(yù)提供了新思路——嘗試將抗癲癇藥物用于前驅(qū)期PD的早期干預(yù)。此外，該放射組學(xué)參數(shù)與α-突觸蛋白、快速眼動睡眠障礙等生理指標高度相關(guān)，區(qū)分PD患者與健康對照的準確率達90%以上，驗證了其可靠性。

在阿爾茨海默癥的個體化診斷研究中，袁教授團隊強調(diào)了基因分型與個體化腦圖譜的雙重重要性。研究發(fā)現(xiàn)，APOE4+與APOE4-的AD患者受損腦區(qū)存在顯著差異：陽性患者主要累及海馬區(qū)等邊緣網(wǎng)絡(luò)，陰性患者則以額葉、頂葉空間識別等為主。若不進行基因分型，機器學(xué)習(xí)模型無法有效區(qū)分MCI與正常認知老化；而基于APOE4+和APOE4-基因分型建立的個體化腦功能圖譜模型，在AD早期診斷中展現(xiàn)出遠高于傳統(tǒng)群體水平分析的準確性，尤其對APOE陽性患者，僅個體化腦圖譜能實現(xiàn)具有統(tǒng)計學(xué)意義的精準診斷。

同時，團隊揭示了腦脊液（CSF）-血氧水平依賴（BOLD）信號的反向耦合機制，并將其作為AD早期診斷的新型生物標志物。該耦合關(guān)系是大腦的“代謝擺動”，負責(zé)清除Aβ蛋白等代謝物，睡眠狀態(tài)下耦合最強、代謝清除效率最高，清醒時雖仍為負相關(guān)，但相關(guān)性顯著減弱。研究發(fā)現(xiàn)，AD和MCI患者在顳葉、扣帶回等區(qū)域的該耦合作用顯著減弱，且鐵沉積（QSM檢測）在AD患者顳葉、皮層下區(qū)域，MCI患者皮層下區(qū)域均出現(xiàn)異常，扣帶回、杏仁核等腦區(qū)的耦合異常還與患者情緒障礙相關(guān)，為AD超早期識別提供了新靶點。

本次報告中，袁振教授團隊的研究成果，將多模態(tài)MRI技術(shù)與AI算法深度融合，從腦網(wǎng)絡(luò)分析、放射組學(xué)、個體化腦圖譜、腦脊液耦合機制等多個維度，為認知老化相關(guān)疾病的早期診斷、分型及干預(yù)提供了一系列創(chuàng)新方法和生物標志物，也為后續(xù)神經(jīng)退行性疾病的精準診療研究奠定了重要基礎(chǔ)，為臨床轉(zhuǎn)化應(yīng)用開辟了新的方向。

掃描二維碼

觀看完整視頻