基于神經影像的復雜腦網絡技術用于阿爾茲海默癥的研究進展

潘野雄 蔣皆恢 王敏 左傳濤

1上海大學，上海先進通信與數據科學研究院 200444；2復旦大學附屬華山醫院PET中心，上海 200235

阿爾茲海默癥（Alzheimer disease，AD）是一種老年性神經退化性疾病，主要臨床表現為認知功能下降、記憶力逐漸喪失、精神和日常生活能力顯著降低。目前全球AD患者超過千萬，且預計在未來的幾十年內其患病率將急劇增長[1]。

AD作為一種不可逆神經退行性疾病，發病機制十分復雜，涉及到病理、生理系統間的各種相互作用，主要的病因包括腦灰質中β-淀粉樣蛋白積聚的淀粉樣蛋白斑塊和與tau蛋白相關的神經纖維纏結[2]。有研究表明，AD的疾病進程與其他類型的分子病理、生理機制也存在相關性，如突觸功能障礙、神經炎癥和腦代謝功能紊亂等[3-5]。因此，明確AD的發病進程和病理、生理學特征是一項十分艱巨的挑戰。

近年來隨著人工智能技術的興起，各種數據挖掘技術被廣泛地應用于AD早期診斷和對其機理的研究中，其中，基于圖論的復雜網絡分析方法為臨床工作者提供了一個全新的視角[6]。該方法將大腦看作一個復雜的交互網絡系統，將腦區或神經元組視作網絡節點，通過對比觀察AD患者和正常人群中腦網絡參數變化，實現對AD的早期鑒別和機理研究。在過去的十幾年，從動物模型到活體人腦的跨物種研究已經揭示了AD會造成腦網絡結構和功能變化，如小世界特性、富人俱樂部和分層模塊化等特性的變化[7-10]。而隨著諸多神經影像學技術[如結構磁……