(資料圖片僅供參考)
通訊員 王蕾 科技日報實習記者 孫瑜
記者從首都醫(yī)科大學宣武醫(yī)院獲悉，該院神經(jīng)內(nèi)科唐毅教授團隊聯(lián)合首都醫(yī)科大學生物醫(yī)學工程學院李春林教授團隊近日在《Alzheimer"s & Dementia》上發(fā)表題為“Unsupervised machine learning model to predict cognitive impairment in subcortical ischemic vascular disease”的研究論文。該研究基于長期、多中心隨訪的皮質(zhì)下缺血性腦小血管病隊列（SIVD），利用無監(jiān)督機器學習建模，發(fā)現(xiàn)基于DTI+fMRI組合模型可以有效預測認知障礙的發(fā)生，為腦小血管病的臨床診療提供了方便有效的工具。
皮質(zhì)下缺血性腦小血管病是一種常見的小血管疾病，患病率隨著年齡的增長而增加，其中一半的SIVD患者會出現(xiàn)認知功能退化，最終發(fā)展為皮層下血管性認知障礙（SVCI），另一半的SIVD患者并不發(fā)生認知障礙。然而，哪些患者最終會發(fā)展為認知障礙，目前仍缺乏有效的預測模型，也是亟待解決的臨床問題。
首都醫(yī)科大學宣武醫(yī)院唐毅教授團隊自2015年起開始建立SIVD及SVCI患者隊列。本研究納入83位SVCI 患者和53位SIVD患者，基于患者的臨床信息，神經(jīng)心理測評及多模態(tài)核磁影像數(shù)據(jù)建立無監(jiān)督機器學習模型，綜合比較采用不同模型的預測表現(xiàn)，發(fā)現(xiàn)DTI+fMRI組合預測認知障礙發(fā)生的準確性、敏感性和特異性分別為86.03%、79.52%和96.23%，高于現(xiàn)有方法。在隨后基于外部隊列的驗證研究顯示，該模型表現(xiàn)穩(wěn)定，準確性、敏感性和特異性分別為80.52%, 71.11%, 和93.75%。
本研究為臨床提供了一種基于常規(guī)影像學檢查的、可有效預測皮質(zhì)下腦小血管病患者發(fā)生認知障礙的模型，同時，從腦結(jié)構(gòu)和腦功能連接的角度進一步揭示皮質(zhì)下缺血性腦小血管病的發(fā)生機制。
據(jù)悉，該研究受國家自然科學基金和科技部國家重點研發(fā)計劃等項目支持。
（圖片由受訪者提供）
關(guān)鍵詞：
營業(yè)執(zhí)照公示信息