新的研究突破使用機器學習技術來觀察大腦內的結構特徵，包括以前跟阿爾茨海默病無關的區域。該技術的優勢在於它的簡單性以及它能在疾病的早期階段識別疾病，而這一階段通常可能都非常難以診斷。
雖然阿爾茨海默病沒有治癒方法，但在早期階段迅速獲得診斷對患者有幫助。這使他們能夠獲得幫助和支持、得到治療以控制他們的癥狀並為未來做打算。能在疾病的早期階段準確識別患者還將幫助研究人員了解引發疾病的大腦變化並支持新療法的開發和試驗。
這項研究已於日前發表在《Communications Medicien》上。
阿爾茨海默病是最常見的痴呆症，影響着英國50多萬人。雖然大多數阿爾茨海默病患者在65歲以後發病，但這個年齡以下的人也會發病。痴呆症最常見的癥狀是記憶喪失和思考、解決問題和語言方面的困難。
醫生目前使用一系列測試來診斷阿爾茨海默病，包括記憶和認知測試以及大腦掃描。掃描用於檢查大腦中的蛋白質沉積和海馬體的萎縮。海馬體是大腦中與記憶有關的區域。所有這些測試可能需要幾周的時間，既要安排又要處理。
然而新方法只需要其中一項–在標準的1.5 Tesla機器上進行的磁共振成像(MRI)腦部掃描，這在大多數醫院都是常見的。
研究人員改編了一種用於癌症腫瘤分類的算法並將其應用於大腦。他們將大腦分為115個區域並分配了660個不同的特徵如大小、形狀和紋理，以此來評估每個區域。然後他們訓練該算法以確定這些特徵的變化在哪裡可以準確預測阿爾茨海默病的存在。
通過利用阿爾茨海默病神經成像計劃的數據，該團隊在400多名阿爾茨海默病早期和晚期患者、健康對照組和其他神經系統疾病患者的大腦掃描上測試了他們的方法。另外，他們還使用帝國理工學院保健NHS信託基金的80多名接受阿爾茨海默病診斷測試的患者的數據進行了測試。
結果他們發現，在98%的病例中，僅基於MRI的機器學習系統就能準確預測病人是否患有阿爾茨海默病。另外，它還能以相當高的準確率在79%的患者中區分早期和晚期阿爾茨海默病。
領導這項研究的帝國理工學院外科和癌症系的Eric Aboagye教授表示：“目前沒有其他簡單而廣泛的方法能以這種準確度預測阿爾茨海默病，因此我們的研究是向前邁出的重要一步。許多到記憶診所就診的阿爾茨海默氏症患者確實也有其他神經系統疾病，但即使在這一群體中，我們的系統也能從那些沒有阿爾茨海默氏症的患者中挑選出來。等待診斷對病人和他們的家人來說是一種可怕的經歷。如果我們能減少他們必須等待的時間、使診斷成為一個更簡單的過程並減少一些不確定性，這將有很大的幫助。我們的新方法還可以為新藥物治療或生活方式改變的臨床試驗確定早期患者，這在目前是很難做到的。”
據了解，新系統發現了以前跟阿爾茨海默病無關的大腦區域的變化，包括小腦（大腦中協調和調節身體活動的部分）和腹腦（與感官、視覺和聽覺有關）。這為研究這些領域及其跟阿爾茨海默病的聯繫開闢了潛在的新途徑。
帝國學院醫療保健NHS信託公司的神經學顧問、帝國學院腦科學系的研究員Paresh Malhotra博士是表示：“儘管神經放射學家已經解釋了MRI掃描以幫助診斷阿爾茨海默病，但掃描中可能有一些特徵是不可見的，甚至對專家來說也是如此。使用一種能選擇大腦中受阿爾茨海氏症影響的紋理和微妙結構特徵的算法則可以真正增強我們從標準成像技術中獲得的信息。”