(資料圖片僅供參考)

記者從首都醫(yī)科大學(xué)宣武醫(yī)院獲悉，該院神經(jīng)內(nèi)科唐毅教授團(tuán)隊聯(lián)合首都醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院李春林教授團(tuán)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(jī)器學(xué)習(xí)建模，發(fā)現(xiàn)基于DTI+fMRI組合模型可以有效預(yù)測認(rèn)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(rèn)知功能退化，最終發(fā)展為皮層下血管性認(rèn)知障礙(SVCI)，另一半的SIVD患者并不發(fā)生認(rèn)知障礙。然而，哪些患者最終會發(fā)展為認(rèn)知障礙，目前仍缺乏有效的預(yù)測模型，也是亟待解決的臨床問題。

首都醫(yī)科大學(xué)宣武醫(yī)院唐毅教授團(tuán)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(jī)器學(xué)習(xí)模型，綜合比較采用不同模型的預(yù)測表現(xiàn)，發(fā)現(xiàn)DTI+fMRI組合預(yù)測認(rèn)知障礙發(fā)生的準(zhǔn)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(zhǔn)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(xué)檢查的、可有效預(yù)測皮質(zhì)下腦小血管病患者發(fā)生認(rèn)知障礙的模型，同時，從腦結(jié)構(gòu)和腦功能連接的角度進(jìn)一步揭示皮質(zhì)下缺血性腦小血管病的發(fā)生機(jī)制。

據(jù)悉，該研究受國家自然科學(xué)基金和科技部國家重點研發(fā)計劃等項目支持。