生成型人工智能解锁PET洞察力:大脑粉样蛋白动态和量化

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断

背景情况:

• 阿尔茨海默病 (AD) 的特点是大脑中粉样β (Aβ) 积累.
• 定子发射断层扫描 (PET) 成像对于可视化和量化Aβ负载至关重要.
• 了解Aβ的时空模式对于AD研究和治疗评估至关重要.

研究的目的:

• 探索生成对抗网络 (GAN) 在建模大脑粉样蛋白动态中的潜力.
• 为大脑粉样蛋白负载及其时间变化开发一个低维的表示空间.
• 为了证明生成AI在阿尔茨海默病神经成像中的实用性.

主要方法:

• 利用来自阿尔茨海默病神经成像计划 (ADNI) 的1,259名受试者的队列,使用AV45 PET图像.
• 开发了一个3D GAN模型,将PET图像投射到潜伏的表示空间中,并生成合成图像.
• 在潜空间上使用非参数的普通微分方程构建了一个进展模型,以研究Aβ进化.

主要成果:

• 全球标准化吸收值比率 (SUVR) 从潜伏空间准确预测 (RMSE = 0.08 ± 0.01).
• 生成合成PET成像轨迹来模拟Aβ在四年中的进展.
• 与患者实际进展相比,证明了预测和说明Aβ变化的能力.

结论:

• 生成型人工智能,特别是GAN,为大脑粉样蛋白成像中的统计预测和进展建模提供了强大的工具.
• 合成患者数据和模拟疾病轨迹可以用于研究和临床试验设计.
• 这项研究强调了生成性AI在促进阿尔茨海默病的理解,诊断和治疗发展方面的巨大潜力.