Neurology：利用人工智能工具StateViewer可识别九种类型痴呆症

在一项新的研究中，来自梅奥诊所的研究人员开发了一种新型人工智能（AI）工具，可帮助临床医生通过单次广泛可用的扫描图像，识别与九种类型痴呆症（包括阿尔茨海默病）相关的大脑活动模式，这标志着早期准确诊断领域的一个重大突破。相关研究结果发表在Neurology杂志上。

这种称为StateViewer的工具在88%的病例中帮助研究人员识别出痴呆症类型。此外，该工具使临床医生解读大脑扫描图像的速度几乎提升了两倍，准确性也提高了三倍。研究人员对超过3600份扫描图像进行了AI训练和测试，其中包括痴呆症患者和无认知障碍人群的大脑扫描图像数据。

这一创新技术解决了痴呆症护理中的核心挑战：在多种疾病并存的情况下，实现疾病的早期精准识别。随着新疗法的出现，及时诊断有助于将患者与最合适的治疗方案匹配，从而在治疗效果最佳的阶段提供干预。该工具可为缺乏神经病学专业知识的诊所提供先进的诊断支持。

痴呆症的日益严峻影响

全球超过5500万人患有痴呆症，每年新增病例近1000万。作为最常见形式的阿尔茨海默病，现已成为全球第五大死亡原因。诊断痴呆症通常需要认知测试、血液检测、影像学检查、临床访谈及专科转诊。即使进行全面检测，区分阿尔茨海默病、路易体痴呆和额颞叶痴呆等疾病仍具挑战性，即使对经验丰富的专家而言亦是如此。

StateViewer在梅奥诊所神经科人工智能项目主任David Jones博士的指导下开发。Jones博士说道，“每位走进我诊所的患者都带着由大脑复杂性塑造的独特故事。这种复杂性吸引我投身神经病学，并持续推动我追求更清晰的答案。StateViewer 正体现了这一承诺——迈向更早理解、更精准治疗，乃至终有一天改变这些疾病进程的一步。”

为实现这一愿景，Jones博士与负责 StateViewer 背后的人工智能工程的数据科学家Leland Barnard博士紧密合作。“在设计StateViewer的过程中，我们从未忽视这样一个事实：在每一个数据点和脑部扫描的背后，都是一个面临着困难诊断和紧迫问题的人，”Barnard博士说。“看到这一工具如何帮助医生获得实时、精准的洞察和指导，凸显了机器学习在临床医学中的潜力。”

将大脑活动模式转化为临床见解

该工具分析氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）图像，该图像显示大脑如何利用葡萄糖作为能量来源。随后，它将扫描结果与大量确诊痴呆症患者的扫描数据库进行对比，识别出与特定类型或多种类型痴呆症相匹配的大脑活动模式。

阿尔茨海默病通常影响记忆和处理区域，路易体痴呆涉及与注意力和运动相关的区域，而额颞叶痴呆则改变负责语言和行为的区域。StateViewer通过彩色编码的大脑图像显示这些大脑活动，突出显示大脑活动的关键区域，为所有临床医生（即使没有神经学培训）提供人工智能所见内容的可视化解释，以及它如何支持诊断。

梅奥诊所研究人员计划扩大该工具的应用范围，并将在各种临床环境中继续评估其性能。（生物谷Bioon.com）

参考文献：

Leland Barnard et al, An FDG-PET–Based Machine Learning Framework to Support Neurologic Decision-Making in Alzheimer Disease and Related Disorders, Neurology (2025). DOI: 10.1212/WNL.0000000000213831.