基于神经影像数据的阿尔茨海默病多分类诊断模型的研究进展与挑战  

作　　者：葛晓燕 韩红娟 罗艳虹 范炤 刘龙 王蕾 余红梅 

机构地区：[1]山西医科大学公共卫生学院卫生统计学教研室,太原030001 [2]锦州医科大学公共卫生学院卫生统计学教研室,辽宁锦州121000 [3]山西医科大学转化医学研究中心,太原030001 [4]重大疾病风险评估山西省重点实验室,太原030001

出　　处：《郑州大学学报（医学版）》2020年第1期1-7,共7页Journal of Zhengzhou University(Medical Sciences)

基　　金：国家自然科学基金项目(81973154,81903418);山西省国际合作项目(201803D421068);山西省应用基础研究计划面上青年基金项目(201801D221399)

摘　　要：全球医疗保健技术的发展在促进寿命延长的同时,也加剧了社会老龄化,从而增加了高龄人群认知衰退和痴呆的风险。痴呆症中阿尔茨海默病(Alzheimer′s disease,AD)是最常见的一种,它是一种严重的进行性中枢神经系统退行性疾病,严重损害患者的认知功能,造成生活自理能力障碍和精神行为异常。AD早期诊断困难,无特效治疗药物,给家庭和社会造成沉重负担。WHO预测2020年老年性痴呆在中国疾病负担中将升至第4位,为未来20 a我国前20项可预防的重大疾病和健康问题[1]。轻度认知障碍(mild cognitive impairments,MCI)通常被认为是正常衰老向AD的中间过渡阶段,是一个超早期预测AD的关键时间窗和治疗关键期。MCI人群已被证实具有高异质性,可进一步分为稳定型MCI(stable MCI,sMCI)和进展型MCI(progressive MCI,pMCI)。近年来随着技术手段的不断创新,对各种影像标记物的研究日益增多,越来越多的研究关注AD风险个体的早期识别,有关AD的早期诊断也在不断地更新和进步,促使其诊断关口不断前移。目前已有大量研究利用人口学特征、神经心理测试、结合单模态或多模态神经影像对AD进行二分类研究,并达到了较高的分类准确率。但在临床实践中,二分类研究存在一定的局限性,所以,仍需要关注AD的多分类诊断研究。

关 键 词：纵向研究 机器学习 阿尔茨海默病 诊断模型 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] R749.16[自动化与计算机技术—计算机科学与技术]