近日，核医学影像与人工智能的结合为阿尔茨海默病的辅助诊断提供了新思路。一项发表于《Journal of Alzheimer’s Disease》的研究显示，基于真实临床脑灌注SPECT影像数据训练的AI模型，有望成为一种临床决策支持工具，帮助识别阿尔茨海默病。
脑灌注SPECT(单光子发射计算机断层扫描)是一种重要的核医学功能成像技术。它通过静脉注射放射性示踪剂，来显示大脑各区域的血液灌注情况，从而反映神经元的活动与损伤。相较于PET(正电子发射断层扫描)，SPECT虽然空间分辨率稍低，但因其更广泛的可用性和较低的成本，在医疗资源有限地区具有重要实用价值，是评估痴呆症相关神经元损伤的关键手段之一。
英国南安普顿大学的研究团队致力于开发更能适应真实临床场景的AI工具。与以往大多使用标准研究数据库(如ADNI)训练模型不同，该团队直接使用了420例因认知障碍在诊所接受脑灌注SPECT检查的真实患者影像数据来训练模型。研究人员基于大脑解剖区域从SPECT影像中提取特征，构建了两个逻辑回归模型：一个用于识别脑灌注异常，另一个专门用于识别阿尔茨海默病。
在包含443例独立临床数据的测试中，两个模型均表现出良好的性能。识别脑灌注异常的模型曲线下面积达0.89;而专门识别阿尔茨海默病的模型曲线下面积为0.86，灵敏度为87%。这表明该AI工具能够有效分析SPECT影像所反映的脑部血流灌注模式，辅助进行疾病分类。
研究人员强调，该模型的目的并非取代医生或进行病理确诊，而是旨在提升核医学SPECT影像解读的一致性与可信度，为现有的临床诊疗流程提供辅助。研究的局限性在于模型在其他医疗机构、不同扫描设备与流程下的泛化能力仍需进一步验证。团队下一步计划与日本等国的国际合作者合作，利用更大规模、更多样化的SPECT队列数据进行外部验证。
这项工作展示了AI技术在挖掘核医学功能影像数据潜力方面的应用前景，为未来开发更稳健的临床决策支持工具奠定了基础，有望使SPECT这类相对普及的核医学技术，在阿尔茨海默病等神经系统疾病的早期识别中发挥更大作用。
