阿尔茨海默症诊断过程中模式分类方法运用(2)

　　Fan等[41]发现，并非所有轻度认知损害患者均存在明显脑萎缩，通过结构性MRI所显示的脑萎缩程度对轻度认知损害转化为阿尔茨海默病的可能性进行预测，准确率为87%.同类研究还包括Costafreda等[42]进行的基于海马三维形态学特征预测轻度认知损害转化为阿尔茨海默病的准确性，结果显示，其预测脑萎缩患者1年内由轻度认知损害转化为阿尔茨海默病的准确率为80%,同时强调，可能发生转化的轻度认知损害患者具有更显着、更迅速的认知功能恶化现象。亦有研究显示，仅部分轻度认知损害患者11CPIB PET显示存在Aβ沉积[43].Haller等[44]通过DTI提供的白质纤维束完整性信息预测轻度认知损害 患 者1年 后 病 情 进 展 程 度 ,其 准 确 率 高 达98.40%,认为可将白质纤维束完整性作为基线以预测可能出现的认知功能减退，该方法在随访期较短的临床试验中可获得较好的预测准确率。

　　Landau等[45]分别采用基因学和脑脊液检测，以及神经影像学和神经心理学测验对轻度认知损害患者病情进展进行预测，结果显示，18FFDG PET和情景记忆能力能够较好预测病情转化，而脑脊液磷酸化tau蛋白和Aβ水平则可预测认知功能下降。基于多模态数据能够提高模式分类方法准确性的假设，多项研究均采用多模态方法，如MRI与脑脊液检测联合[25,4647]、MRI与神经心理学测验联合[48]、18F  FDG PET与 脑 脊 液 检 测 联 合[49].Davatzikos等[24]采用结构性MRI与脑脊液生物学标记联合的方法对1年内轻度认知损害转化为阿尔茨海默病进行预测，其分类准确率为60.80%;同时发现，发生转化的轻度认知损害患者颞叶、后扣带回、楔前叶、岛叶均出现灰白质萎缩，并伴阿尔茨海默病特征性脑脊液生物学标记表达阳性；与未发生转化者相比，发生转化者萎缩脑区和脑脊液生物学标记并无固定模式，尽管其分类准确性较低，但其诊断灵敏度达84.20%、特异度50%.推测其原因，可能是由于入组的1年内未发生转化者于1年后发生转化；与之类似，Nho等[50]研究发现，1年内转化特异性低于2年内转化特异性。Cui等[34]将MRI、脑脊液检测和神经心理学测验相结合，对轻度认知损害2年内转化为阿尔茨海默病进行预测，其分类准确率为67.13%、灵敏度96.43%、特异度48.28%,明显高于任意一种单模态预测值。一项针对轻度认知损害患者开展的MRI、脑脊液检测与PET联合研究结果显示，其对转化型与非转化型轻度认知损害的分 类 准 确 率 于12、18、24和36个 月 时 分 别 为82.90%、86.40%、75.40%和68%[51].然而，一项包括MRI、脑脊液检测和神经心理学测验的多模态研究显示，单模态对轻度认知损害转化的预测效果与多模态相近，其中预测效果最佳的单模态指标为右侧内嗅皮质（EC）和连线测验B[52].

　　三、小结与展望

　　模式分类方法在阿尔茨海默病诊断中的研究和应用，是目前关注的焦点之一，且已在计算机辅助诊断并预测阿尔茨海默病中取得一定进展。该分类方法具有以下优势：（1）可定性描述并定量分析所获得的信息，为临床诊断提供客观依据，从而弥补人工判断存在的主观偏差。（2）融合生物学标记、影像学、神经心理学测验等多模态特征，较好地揭示各种特征之间的关系。（3）对影像学特征的分析和分类研究有助于阐明阿尔茨海默病患者脑萎缩主要解剖学部位、病理学演变过程与机制，确定疾病分类敏感脑区。

　　然而，目前模式分类方法用于轻度认知损害和阿尔茨海默病的临床诊断仍面临许多挑战：（1）阿尔茨海默病的早期诊断。生物学标记对阿尔茨海默病的早期阶段较为敏感。虽然神经影像学有助于阐明阿尔茨海默病的病理生理学机制，但对于无临床症状的早期患者，尚未发现可靠的影像学特征，而且影像学特征与生化特征之间的内在关系尚不明确。分子生物学和基因技术的发展，可为进一步阐明轻度认知损害与阿尔茨海默病发病机制和敏感生物学标记检测等提供更为翔实的依据，而神经影像学研究则依赖于高分辨力（微米和纳米级）成像技术的发展。（2）影像学特征（PET、结构性MRI和fMRI）研究。目前影像学研究更为关注脑结构、脑功能和脑连接组学，尤其是脑功能与脑网络特征（如静息态和任务态fMRI脑功能与脑网络）之间的关系研究，或脑功能与脑结构之间的相关性分析等。利用脑结构、脑功能和脑网络特征对阿尔茨海默病进行分类，可进一步提高辅助诊断的准确性和可靠性。此外，还需考察不同影像学特征的区别和联系，选择对轻度认知损害和阿尔茨海默病更为敏感、有效的特征，如皮质厚度、沟回深度、灰质体积、皮质表面几何特征等，以更准确地反映脑萎缩程度。（3）多模态特征之间的内在关系不明确。各类特征既有区别，又有内在联系，利用统计分析方法，阐明不同类型特征之间的关系，明确其对分类结果的重要性和区分性能，有效融合多模态特征，对阿尔茨海默病进行早期监测、动态追踪和预测。（4）阿尔茨海默病治疗效果的评价与预测。目前卞要聚焦于对阿尔茨海默病发病机制的探讨和诊断方法的研究。应加强对阿尔茨海默病患者治疗后的随访、复查和评价，为疗效评价和病情预测提供充分的客观依据综上所述，围绕阿尔茨海默病早期诊断、轻度认知损害动态追踪、转化预测、疗效评价等问题，结合最新诊断标准中的多种生物学标记，融合M RI ,PET,DTI等多模态数据，阐明阿尔茨海默病发病机制、演变过程、发病特点，并对不同阶段患者进行分类，将成为今后阿尔茨海默病的研究力一向；建认具有较强鲁棒性的模式分类模型和有效的特征降维力一法，是改进模式分类力一法的重要任务；融合各种生物学标记特征，将模式分类方法应用于临床，是阿尔茨海默病研究的重要目标。