基于磁共振扩散张量成像的机器学习模型对帕金森病人的识别

2021-10-28李静范文亮雷子乔余建明

中国医疗设备 2021年10期

李静，范文亮，雷子乔，余建明

1.华中科技大学同济医学院附属协和医院放射科，湖北武汉 430022；2.分子影像湖北省重点实验室，湖北武汉 430022

引言

帕金森病（Parkinson’s Disease，PD）主要以黑质多巴胺能神经元进行性退变和路易小体形成的病理变化，纹状体区多巴胺递质降低、多巴胺与乙酰胆碱递质失平衡的生化改变，以动作迟缓、静止性震颤和肌张力增高临床表现为显著特征，是一种常见的中老年神经系统退行性疾病[1-2]。随着年龄增长，患病率逐年增高，80岁以上人群患病率超过 3%[2-3]，带来巨大的社会和医疗负担，PD的早期诊断对治疗和预后影响重大。

随着人工智能在医学各应用场景下的落地，智能医学影像取得飞速发展，有效提高医学影像对于疾病的筛查、诊断和治疗决策功能[4-5]。一方面在个体水平上满足了疾病精准诊疗的需求，另外一方面也能为疾病的智能诊断发掘潜在的影像学标记[6-7]。目前基于多模态影像的PD分类研究，样本量一般较少[8-10]，影响模型的泛化能力。为探索基于弥散张量的PD神经影像学标志物，为PD的诊疗提供影像依据，本研究基于较大的样本量，使用机器学习方法，利用磁共振扩散张量成像（Diffusion Tensor Imaging，DTI）脑影像的4个指标作为数据特征，构建区分PD患者和健康对照者的机器学习模型，寻找 PD可能的神经影像学标记物，以期为 PD 的临床诊疗提供更多线索。