阿尔茨海默病又称老年痴呆，是一种常见的神经系统退行性疾病，目前尚无治愈方法。虽然近年来出现的一些药物可以帮助阻止病情的发展，但是这些治疗必须在疾病发展早期就进行才能发挥足够有效的作用。
为此，科学家们一直在与时间赛跑，以期发现早期诊断病情的方法。
在近期发表于Radiology上的一项研究中，研究人员将神经影像学与机器学习（人工智能）相结合，试图预测患者在首次出现记忆障碍时是否会患上阿尔茨海默病（这是对其进行干预的最佳时机），并最终成功使诊断时间比常规方法提前了近6年！
阿尔茨海默氏症患者的大脑（左）与未患该病的人的大脑之间的比较（图片来源：加州大学旧金山分校）
PET扫描原理及短板
诊断阿尔茨海默病的一种常用工具叫做正电子发射断层扫描（PET），主要原理是通过扫描测量大脑中特定分子（如葡萄糖）的水平来判断症状严重程度的。葡萄糖是脑细胞的主要燃料来源，细胞越活跃，消耗的葡萄糖就越多。随着脑细胞的病变和死亡，葡萄糖消耗逐渐减少，最终没有葡萄糖。
其他一些类型的PET扫描，旨在寻找与阿尔茨海默病有关的蛋白质，但葡萄糖PET扫描更常见且更便宜，尤其是在较小的医疗机构和发展中国家，因为它们还被用于癌症分期。
因此，放射科医生多使用这些扫描试图通过寻找大脑中（额叶和顶叶中）降低的葡萄糖水平来检测阿尔茨海默氏症。但问题是，由于该疾病是一种缓慢的进行性疾病，因此葡萄糖的变化非常微妙，难以用肉眼观察。
阿尔茨海默氏病患者脑部的PET扫描（图片来源：National Institute on Aging）
随着人工智能技术的发展，科学家们有了将机器学习与PET扫描相结合以更早、更可靠地诊断早期阿尔茨海默病的想法。
人工智能有效提高诊断效率
在最新这项研究中，为了训练“InceptionV3架构的卷积神经网络”（一种机器学习算法），主要研究者Jae Ho Sohn及其同事收集了来自阿尔茨海默病神经影像学计划（ADNI）的一些图像，这是一个庞大的公共PET扫描数据集，来自阿尔茨海默病、轻度认知障碍或无障碍患者。
随后，这种算法开始独立学习哪些特征对于预测阿尔茨海默病的诊断非常重要，哪些不是。通过在ADNI数据集上进行训练、对比、测试以及最后的结果分析，研究人员发现，开发用于早期预测阿尔茨海默病的深度学习算法在100％灵敏度下达到82％的特异性，并在病人得到最终诊断之前平均75.8个月——相当于六年，做出了正确的疾病预测。
重要意义
阿尔茨海默病的难点在于，当所有的临床症状出现并且我们可以做出明确诊断时，太多的神经元已经死亡，基本上已经难再逆转。而如果这一算法能够做到提前诊断，Sohn认为在神经科医生开始试图将记忆低下患者视为阿尔茨海默病的症状时，可以使用该算法帮助他们更快地获得所需要的治疗。
“我相信这种算法具有很强的临床相关性，” Sohn说，“然而，在我们能够做到这一点之前，我们需要在更大，更多样化的患者队列中验证和校准算法，最好是来自不同大陆和各种不同类型的设置。”
Sohn表示，下一步他们将在来自不同医院和国家的更大、更多样化的数据集上测试和校准这一算法。
