英國帝國理工學院研究人員開發出一種機器學習新算法，通過一次腦部掃描觀察大腦內的結構特征(包括以前認為與阿爾茨海默病無關的區域)，即可診斷出阿爾茨海默病。該技術的優勢在于其簡單性，并且可在很難診斷的早期階段就識別出疾病。研究成果發表在開放獲取專業學術期刊《通訊·醫學》上。

醫生目前使用大量測試來診斷阿爾茨海默病，包括記憶和認知測試以及腦部掃描。掃描主要用于檢查大腦中的蛋白質沉積和海馬體收縮，海馬體是與記憶相關的大腦區域，所有這些測試可能都需要幾周的時間來安排和處理。但此次新開發的方法，只需在大多數醫院常見的標準1.5特斯拉機器上進行磁共振成像(MRI)腦部掃描。

研究人員采用了一種用于分類癌癥腫瘤的算法，并將其應用于大腦。他們將大腦分為115個區域，分配了660個不同的特征，例如大小、形狀和紋理，以評估每個區域。然后他們訓練算法識別這些特征的變化，以準確預測阿爾茨海默病。

利用阿爾茨海默病神經影像學計劃的數據，該團隊對400多名早期和晚期阿爾茨海默病患者、健康對照組和其他神經系統疾病患者(包括額顳葉癡呆和帕金森病)進行了腦部掃描。

研究發現，在98%的病例中，僅基于MRI的機器學習系統，就可準確預測患者是否患有阿爾茨海默病。它還能夠在79%的患者中以相當高的準確度區分早期和晚期阿爾茨海默病。

這一新系統成功發現了以前認為與阿爾茨海默病無關的大腦區域，譬如小腦(大腦中協調和調節身體活動的部分)和腹側間腦(與感官、視覺和聽覺相關)產生的變化，為研究這些區域與阿爾茨海默病的聯系開辟了潛在的新途徑。(記者 張夢然)

關鍵詞： 阿爾茨海默病 機器學習新算法 蛋白質沉積 海馬體收縮