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

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。