研究人员创建了世界上第一个用于阿尔茨海默氏症诊断的脑萎缩测量基准

来自澳大利亚国家科学机构CSIRO的科学家与昆士兰科技大学合作，利用人工智能开发了世界上第一个用于测量包括阿尔茨海默病在内的神经退行性疾病的脑萎缩或变薄的基准。

阿尔茨海默氏症是最常见的痴呆症，占病例的60%到80%。测量其进展的方法之一是通过MRI图像显示皮层变薄。这种方法是具有挑战性的，然而，随着厚度的变化大脑大脑皮层非常小，通常在亚毫米范围内。

先进的机器学习技术通常用于大脑研究评估在皮质厚度但到目前为止，缺乏临床准确的“地面真相”数据集意味着我们无法评估他们对检测小萎缩水平的敏感性。

在这一突破之前，获得皮层厚度真实测量的唯一方法是研究大脑尸检。然而，大脑在人死后立即开始萎缩，导致读数不准确。

来自CSIRO澳大利亚电子健康研究中心的研究科学家菲利普·鲁萨克(Filip Rusak)说，大脑皮层萎缩——大脑皮层变薄——可以在阿尔茨海默症临床症状出现前10年就开始了。

鲁萨克博士说:“当这些迹象开始出现时，需要极其精确的方法来观察它们在大脑图像中的表现，这样它们就可以尽早得到解决。”

“利用机器学习的力量，我们能够生成一组大脑的人工MRI图像，这些图像在皮层区域具有预定义的神经退行性变迹象，这是受阿尔茨海默氏症影响最严重的大脑外层。

他说:“在这些发现之前，没有办法最终确定用于测量阿尔茨海默病患者皮层厚度的各种方法的敏感性。”

这项新技术允许研究人员设定他们想要比较的大脑退化的数量和位置，这样他们就可以清楚地了解哪种皮质厚度量化方法表现最好。

该技术可以将方法的灵敏度测试到极低的水平。它可以确定一种方法是否可以检测到仅0.01毫米的厚度变化。

研究结果发表在医学图像分析这项工作已经产生了国际影响。

来自瑞士伯尔尼大学的Michael Rebsamen说，他们有强有力的证据证明DL+ direct——一种基于深度学习的测量皮层厚度的方法——对萎缩的细微变化是可靠和敏感的。

“到目前为止，由于缺乏参考MRI，我们无法量化真正可以测量的萎缩程度，”Rebsamen博士说。“CSIRO的创新基准缩小了这一差距，标志着评估皮质厚度方法的一个重要里程碑。”

该技术可以应用于任何涉及神经退行性变的脑部疾病的研究，代表着更好地了解痴呆症和其他使人衰弱的脑部疾病的重要一步。它也可能被用于预测一个人随着时间的推移可能出现的皮层退化程度。

鲁萨克博士说，所有这些技术都是在常用的、相对便宜的核磁共振成像图像的基础上实现的。

这些发现将帮助研究人员为这项工作选择正确的工具。正确的工具可以增加准确评估疾病进展的机会，”Rusak博士说。“所以，不需要新的医疗基础设施。”

合成数据集图像已经制作完成公开的因此，临床医生和科学家可以使用合成图像来进行他们自己的皮层厚度量化方法的评估。