新闻 | 北京师范大学发现阿尔茨海默病AI生物标志物

北京师范大学，认知神经科学与学习国家重点实验室的张占军课题组开发了一个基于人工智能的脑龄预测模型，以量化轻度认知障碍患者的健康脑龄轨迹的偏差，他们希望该模型将有助于在个人层面上更早地发现认知障碍。

这项工作发表在Radiology: Artificial Intelligence（DOI: 10.1148/ryai.2021200171）上，第一作者为黄伟杰博士。

大脑老化伴随着一些记忆障碍，但确定哪些障碍是正常的，哪些是进入阿尔茨海默病或其他痴呆症的信号，在治疗上和个人护理上都非常有用。

遗忘性轻度认知障碍（amnestic mild cognitive impairment，aMCI）是正常衰老向阿尔茨海默病（AD）的过渡阶段。aMCI患者的记忆障碍比他们的年龄和教育程度的正常人更严重，但没有严重到影响日常功能。

然而对于一些患者来说，aMCI是相对稳定的，而对于另一些患者来说，它却在不断发展。

张占军课题组试图确定一个基于核磁共振图像的脑龄预测模型是否能够分辨出健康的脑部衰老轨迹和MCI患者的脑部衰老之间的区别。该模型计算了PAD-预测年龄的差异，用病人的年龄减去模型基于图像的预测年龄。

课题组还将PAD分数与其他临床数据进行了比较，包括认知障碍、遗传风险因素、阿尔茨海默病（AD）的病理标志物和临床进展，并寻找相关的关系。

对于这项回顾性研究，课题组使用来自北京老年脑健康计划（BABRI）和阿尔兹海默神经影像计划（ADNI）的脑部成像数据训练了一个弹性网模型。

该模型是在974名年龄在49.3至95.4岁的健康成年人的T1加权MRI图像上训练的。然后对健康对照组（126名来自BABRI，144名来自ADNI）和MCI患者（80名来自BABRI，105名来自ADNI）进行测试。

结果显示，aMCI患者的大脑老化轨迹与典型的老化轨迹不同，该模型可以量化这些患者的正常轨迹的个别偏差。患者的PAD得分与个人在几个领域的认知障碍明显相关，具体包括记忆、注意力和执行功能。

他们发现，与稳定型amCI患者相比，进展型amCI患者表现出更多偏离典型正常老化的情况，当与其他AD特异性生物标志物相结合时，PAD评分能更好地预测amCI的进展。

例如，载脂蛋白E（APOE）e4携带者显示出比非携带者更大的预测年龄差异，淀粉样蛋白阳性患者显示出比淀粉样蛋白阴性患者更大的预测年龄差异。

黄伟杰博士在论文中表示：“我们生成的预测模型在估计健康参与者的年龄方面是非常准确的，只基于MRI扫描的外观。而与之相反，对于aMCI，该模型估计的脑年龄平均比病人的年龄大2.7岁。”

“同时，该模型还能够区分渐进式和稳定式MCI。将预测的年龄差异与阿尔茨海默病的其他标志物（APOE携带者状态、淀粉样蛋白状态和迷你精神状态检查）结合起来，在区分进展期amCI和稳定期amCI方面表现得最为出色。”

“这项工作表明，预测年龄差有可能成为一个强大、可靠和计算机化的生物标志物，用于早期诊断认知障碍和监测对治疗的反应。”