美國加州大學舊金山分校（UC San Francisco，UCSF）研究出將神經成像配以人工智能，用以診斷阿茲海默症（Alzheimer’s disease），成效驚人，可在比醫生的臨床診斷早六年就檢查出早期病情。
阿茲海默症目前是一種不治之症，儘管近年已發展出有效阻止病情惡化的藥物，惟這些療程必須在患病初期開始，以達至最好的效果，可惜當臨床症徵開始出現，病情大多已經發展到後期，太多神經元已經死亡，導致整個病情幾乎不可逆轉。因此，眾多研究人員一直在尋求能盡早診斷阿茲海默症的方法。
是次研究團隊就以正電子發射電腦斷層掃描（positron emission tomography，PET）的影像結合人工智能，嘗試觀察病人大腦的微小變化，再加以預測病人有否患上阿茲海默症的機會。
正電子發射電腦斷層掃描是一種核醫學臨床檢查的成像技術，常用於診斷癌症病情，亦是幫助診斷阿茲海默症的一種工具。PET能夠檢測體內特定化合物的含量，例如人腦中的葡萄糖。由於葡萄糖是腦細胞主要的能量來源，若細胞越活躍，消耗的葡萄糖就會越多。而當腦細胞開始死亡時，消耗的葡萄糖會開始變少，到最後完全不消耗葡萄糖。
因此，使用PET追蹤大腦的葡萄糖量，尤其是額葉（frontal lobe）及頂葉（parietal lobe）中葡萄糖減少的幅度，就成了診斷阿茲海默症的其中一個方法。然而，由於阿茲海默症的發展是長期而緩慢的進行，固葡萄糖的變化非常細微，單憑醫生的肉眼實在難以發現。因此利用人工智能，就可以更仔細地觀察病人的大腦情況。
為了訓練演算法自我學習判斷阿茲海默症的重要特徵，研究團隊從美國國家衛生研究院（National Institutes of Health）主導的「阿茲海默症神經影像計畫」（Alzheimer’s Disease Neuroimaging Initiative，ADNI）取得許多影像。ADNI 是一個龐大的公開資料庫，存有患阿茲海默症、輕度認知障礙（mild cognitive impairment）或無疾病的人士的PET掃描影像。
研究團隊先以1921張掃描影像進行訓練，再以兩組新的數據集來測試並評估其表現。第一組的188張影像同樣來自ADNI 資料庫，但並沒有用於訓練中；另一組則是從UCSF記憶與老化中心（Memory and Aging Center）40位可能具有認知障礙的病人的全新掃描影像。
研究結果發現，演算法程式的表現非常優秀。在第一組資料中，正確辨認出92%阿茲海默症的患者；第二組資料的辨認率則達至98%。此外，平均在患者被臨床確診的六年多前（75.8個月），已作出了正確的預測。
研究人員之一的Jae Ho Sohn博士表示，這個演算法具有很強的臨床相關性，有望將來能用於阿茲海默症的預測及診斷，讓病人及早發現接受治療。
Source by UCSF，Radiological Society of North America
Text by Medical Inspire
