王志强 姚旭峰 黄 钢

1(上海理工大学医疗器械与食品学院，上海 200082)2(上海健康医学院医学影像学院，上海 201308)

引言

进入21世纪以来，全球老龄化的速度在逐步加快，据估计到本世纪中叶世界上患有阿尔茨海默病(Alzheimer′s disease，AD)的人数将会增长至1.15亿[1]。作为常见的痴呆病症，AD的临床诊断表现为大脑糖代谢能力下降、淀粉样蛋白积聚以及纤维状神经纠缠。在众多检查AD的成像技术中，正电子发射断层显像(positron emission tomography，PET)和磁共振显像(magnetic resonance imaging，MRI)可以将AD患者的脑部变化以放射性示踪剂分布和结构萎缩的形式表征出来，因而常被用于诊断AD。18F标记的氟代脱氧葡萄糖正电子发射断层显像(18F-fluorodeoxyglucose positron emission tomography，FDG PET)和淀粉样蛋白正电子发射断层显像(beta-amyloid positron emission tomography，Aβ PET)是PET成像中两种常用的诊断方式，在揭示AD病理过程、诊断AD及辨别其他种类痴呆中有着不可忽视的作用。本文主要阐述FDG PET、Aβ PET以及两种方式联合成像的应用现状，并与MRI成像进行比较，总结存在的问题，并分析AD诊断的发展方向。

表1 FDG PET和Aβ PET诊断效果Tab.1 Diagnostic effect of FDG PET and Aβ PET

注：NC为正常对照组。

Note: Normal controls, NC.

1 PET应用现状

FDG PET和Aβ PET是临床上常用的AD诊断技术，前者是依据大脑葡萄糖代谢程度的变化来确认患者是否存在神经变性，进而确诊AD；而后者是利用示踪剂与淀粉样蛋白特异性结合的特点来显示神经细胞外部病变，虽起步较晚但发展迅速。尤其近年来，18F类示踪剂(如18F-Flobetapir[2]、18F-flutemetamol[3]、18F-florbetaben[4]等)的应用增强了人们对AD病理过程的认识。下面将从诊断效果评估和辨别痴呆种类来阐述两种成像的应用现状。

1.1 诊断效果评估

如表1所示，Mosconi等[5]采用体素自动比较和疾病特异性FDG模式来表征AD代谢特征；陶霖等[6]采取视觉评估和感兴趣区法(reagion of interest，ROI)发现轻、中、重度AD患者脑区代谢差异；周梦溪等[7]采用统计参数图(statistical parameter map，SPM)讨论AD患者脑部代谢与认知功能的相关性，三者采用的都是FDG PET显像方式。Klunk等[8]通过11C匹兹堡化合物(11C-Pittsburgh compound B PET,PIB PET)显像发现，受AD病理影响大脑多个脑区都存在PIB滞留；Fu等[9]则探究早期AD患者的大脑默认网络特征改变；而Sabri等[10]采用半定量分析方法，证实了18F-florbetaben PET(FBB PET)显像在AD诊断方面的优势。尽管成像方式不同，但FDG PET和Aβ PET在识别AD患者典型特征和诊断灵敏度方面都具备良好的能力。

1.2 辨别痴呆种类

如表2所示， Pagani等[11]采用协方差和支持向量机(support vector machines，SVM)，探究FDG PET预测轻度认知障碍患者(mild cognitive impairment，MCI)发展为AD的能力；Morbelli等[12]借由SPM和Kaplan-Meier曲线法，进行MCI患者转化为AD的特征脑区和转化时间的研究；Foster等[13]则采用立体定向表面投影等多种方法鉴别AD与额颞叶痴呆(frontotemporal dementia，FTD)，肯定了FDG PET在临床的辅助诊断作用；Ong等[14]则利用FBB PET探究MCI转化为AD的预后准确性，发现其有助于精准检测早期AD患者；Namiki等[15]对48例日本受试者进行18F-florbetapir PET显像，评估其在临床上的诊断表现；Jiménez-Bonilla等[16]采用PIB PET显像，发现其能以较高准确率辨别AD患者及其他种类痴呆；Rabinovici等[17]比较临床诊断表现时发现，PIB PET在辨别AD和FTD上具备80%以上的诊断准确性，略优于FDG PET。

1.3 联合成像

FDG PET可以从功能代谢角度来诊断AD，但是对于退行性神经疾病重叠的情况则难以辨别，如非典型额颞叶痴呆和AD的重叠脑区[18]。Aβ PET成像可以从病理变化角度来早期诊断AD，但在病情评估方面不如FDG PET。因而将两种成像方式结合进行联合成像，是一种提高AD诊断准确性和辨别痴呆种类的有效方法。

如表3所示，李毅等[19]、Hatashita等[20]、王颖等[21]、Iaccarino等[22]、Brück等[23]采用的是FDG+PIB PET的扫描组合，研究通过辨别痴呆种类和预测MCI转换方面证实了联合成像具备优秀的诊断优势；而Brendel等[24]则采用FDG+FBB PET的扫描组合，研究认为FBB PET可作为可疑病例的最终诊断工具，以及辨别AD和FTD的增值指标。

表2 FDG PET和Aβ PET辨别痴呆分类Tab.2 FDG PET and Aβ PET discriminating dementia classification

注：nC-MCI为未转化为AD的MCI；MCI-AD转化为AD的MCI；NA-MCI为非遗忘性MCI；A-MCI为遗忘型MCI。

Note: Not convert to AD, nc-MCI; Convert to AD, MCI-AD; Not amnestic MCI, NA-MCI; Amnestic MCI, A-MCI.

表3 联合成像诊断效果Tab.3 Joint imaging diagnosis results

2 PET与MRI比较

相比于PET显像，MRI成像具有以下优势：高质量的空间分辨率、足够的对比度，图像采集期间不需要放射性药物注射，扫描费用较为廉价。但MRI图像一般具有高维度，难以进行数据分类和处理，为此出现了多种方法增强了MRI的AD诊断能力，如表4所示。

Faturrahman等[25]提出深度置信网络(deep belief network，DBN)与结构磁共振(structural magnetic resonance，sMRI)相结合的模型，证实了DBN在处理高维度数据的优势；Islam等[26]则利用深度卷积网络 (deep convolutional neural networks，

CNN)，为多种分类提供显著改进，并有助于检测早期AD；Demirhan等[27]的研究表明，多变量的形态特征和机器学习可成功检测AD；Steketee等[28]采用动脉自旋标记MRI(ASL-MRI)的方法，证实有助于AD和FTD的诊断和鉴别；徐盼盼等[29]将脑白质图像和支持张量机(support tensor machine，STM)算法相结合，提高了痴呆诊断的能力；Li等[30]提出卷积自动编码(convolutional autoencoders，CAEs)和CNN相结合的算法，无需区域分割便可实现较高的AD分类；Yang等[31]证实SVM和耦合特征表示法(coupled feature representation，CFR)在预测MCI转化为AD方面具备一定的潜力。

表4 MRI诊断效果Tab.4 MRI diagnostic effect table

注：卷积自动编码表示为CAEs；耦合特征表示为CFR。

Note: Convolutional autoencoders, CAEs; Coupled feature representation, CFR.

3 总结和展望

PET和MRI虽然在临床AD诊断上得到广泛应用，但仍存在一些问题，主要包括3个方面：一是图像质量、受试者数量以及随访时间都会影响对AD病理过程的评估和预测；二是临床和科研中通常采用视觉评估和定量参数相结合的方式解读医学图像，因从医经验和评价参数不同，诊断结果带有主观性和模糊性；三是正常老龄化个体中也会出现海马萎缩、代谢降低和淀粉样阳性结果，故需要结合多模态成像方式联合诊断AD。

针对这些问题，2011年美国国家老龄化协会颁布了新的AD诊断标准[32]，促使科研人员进行多方面的尝试研究。Lu等[33]、Shi等[34]、Ortiz等[35]和Li[36]等的研究中皆采用阿尔茨海默病神经影像学倡议(Alzheimer′s disease neuroimaging initiative，ADNI)中的数据，并分别将FDG PET、PIB PET、18F-Flobetapir PET与MRI的图像特征应用于深度神经网络(deep neural network，DNN)、堆叠深度多项式网络(stacked deep polynomial networks，SDPN)、稀疏分类器(sparse representation classifiers，SRC)以及图论方法中，4项研究结果证实，多模态影像数据间的信息互补有助于提高AD诊断率和MCI转化预测；Youssofzadeh等[37]则利用澳大利亚影像生物标记物数据库(australian imaging，biomarkers and lifestyle，AIBL)测试出多核学习技术(multi-kernel learning，MKL)和Dartel算法在AD分类效果上的良好表现；另外郝晓勇等[38]还总结出弥散张量成像(diffusion tensor imaging，DTI)、扩散峰度成像(diffusion kurtosis imaging，DKI)等多种MRI技术在AD早期诊断中的应用，预测多模态MRI将在未来AD诊断中发挥重要作用。

除此之外，生物标记物对于理解AD发病机制和变化过程有很大帮助。Oh等[39]针对脑脊液生物标记物Aβ40、42和tau蛋白进行认知功能研究，发现老年人生物标记物与潜在认知功能的联系会逐渐变弱；Vemuri等[40]使用结构方程模型(structural equation models，SEM)探究血管健康对生物标记物的影响，结果表明其对区域神经变性的影响要高于淀粉样蛋白，但仍需纵向研究与tau蛋白的关系；Ramana等[41]采用全基因分析(genome-wide analytical strategies，GWAS)对淀粉样蛋白基因进行研究，证实载脂蛋白基因和丁酰胆碱酯酶会对AD潜在病理学产生影响；另外在Olsson等[42]和Sheikh等[43]的回顾性研究中，肯定了脑脊液和血液标记物在临床AD诊断的作用。

以上通过对FDG PET和Aβ PET的应用现状进行总结，并与MRI相比较，对于临床诊断AD具有一定的参考作用，但要更全面地了解AD仍需要不断的关注和学习。