新型阿尔兹海默症预测方法研究

上海大学通信学院蒋皆恢研究团队联合复旦大学附属华山医院、瑞士伯尔尼大学合作团队于2020年4月22日在《European Journal of Nuclear Medicine and Molecular Imaging》上在线发表论文“Individual brain metabolic connectome indicator based on Kullback-Leibler Divergence Similarity Estimation predicts progression from mild cognitive impairment to Alzheimer's dementia”。该期刊是核医学领域最具影响力的顶级学术期刊，在JCR及中科院SCI期刊分区为一区Top，2019年其影响因子达7.182。上海大学为第一单位，上海大学通信学院博士生王敏为第一作者，上海大学蒋皆恢副教授和华山医院左传涛教授为共同通信作者。该研究依托上海先进通信与数据科学研究院、上海大学通信学院特种光纤与光接入网重点实验室、特种光纤和先进通信国际联合实验室进行。

阿尔兹海默症(AD)是引起痴呆最常见的老年退行性疾病，其医疗年花费占国内生产总值的1.47%。由于AD疾病进程不可逆转，一旦确诊绝大多数已至中晚期痴呆。药物赖以起效的靶细胞都已经凋亡，更无从谈药效。因此早期诊断和干预已成为临床共识。轻微认知障碍(MCI)为AD痴呆前期，基于MCI临床基线数据对AD转化进行预测，具有重要的临床价值。18F-葡萄糖代谢(FDG)正电子发射断层扫描成像(Positron Emission Computed Tomography, PET)技术，可在体揭示认知下降过程中的大脑代谢水平变化，但是先前的研究多是基于数值分布的量化分析，而忽视了各神经元之间的代谢相关性，这些代谢相关性可能揭示一些常规指标难以发现的微弱病理生理学变化。因此，蒋皆恢研究团队提出了一种新的基于KL散度估计的、个体代谢连接组学方法，并用于对MCI向AD转化预测。基于公共数据库ADNI数据的研究结果表明，该方法在MCI人群分析中具有较高的有效性、稳定性和特异性。使用该方法构建的脑代谢连接组学预测指标，在510例MCI患者中达到了比传统方法更高的预测效果。本研究为揭示脑内代谢连接异常提供了新思路。

论文链接：

https://link.springer.com/article/10.1007/s00259-020-04814-x