阿尔茨海默病诊断支持大脑输液SPECT扫描在现实世界的临床队列中
Sofia Michopoulou1,2, Angus Prosser1, Neil O'Brien2
1Clinical and Experimental Sciences, Faculty of Medicine, University of Southampton, Southampton, UK.
Journal of Alzheimer's disease : JAD
|January 30, 2026
概括
使用脑 perfusion SPECT 扫描的人工智能模型显示出早期阿尔茨海默病 (AD) 诊断的前景. 这些可解释的AI工具可以帮助临床医生识别异常的大脑输液和AD相关变化,提高诊断准确度.
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:
- 痴呆症的诊断往往会延迟,影响患者的治疗结果.
- 脑 perfusion SPECT成像提供了关于微妙的神经变化的见解.
- 人工智能可以增强复杂的成像数据的解释,以便早期检测.
研究的目的:
- 开发和验证人工智能驱动的多变量模型,用于早期阿尔茨海默病 (AD) 诊断.
- 在临床环境中利用脑输液SPECT成像和可解释AI.
- 提高AD的诊断准确性和决策支持.
主要方法:
- 在420个SPECT扫描中训练了两个逻辑回归模型,在443个扫描中得到了验证.
- 使用最小冗余最大相关性 (MRMR) 来从大脑区域选择特征.
- 模型1确定异常输液;模型2确定了与AD相关的变化.
主要成果:
- 模型在临床数据上表现出强大的分类性能.
- 模型1实现了0.89AUROC的异常 perfusion (76%的灵敏度,87%的特异性).
- 模型2实现了0.86AUROC用于AD识别 (87%的灵敏度,72%的特异性).
结论:
- 多变量逻辑回归模型显示了使用SPECT进行AD诊断的临床决策支持工具的潜力.
- 使用临床相关的大脑区域的可解释AI模型可以增强诊断理解.
- 未来的工作应该探索更广泛的痴呆症应用和潜在的临床验证.
