近日，北京邮电大学人工智能学院智能医学中心领衔发展出一套融合多尺度脑结构信息的研究框架，建立了阿尔茨海默病（AD）稳定、敏感、特异、可泛化的影像标记物IBRAIN。通过多中心、大样本、跨疾病、临床队列等证明，IBRAIN有望应用于AD临床辅助诊断、风险预测、预后评估等。近日，相关研究在《柳叶刀》旗下综合医学期刊eClinicalMedcine发表。

  ?

研究框架。受访者供图

AD俗称“老年痴呆”，是一种常见且不可逆的神经退行性疾病，也是老年人群中最为常见的认知障碍疾病之一。现阶段，仍缺少可用于临床辅助识别、易普及的AD影像学标记物。

北京邮电大学人工智能学院智能医学中心联合北京师范大学认知神经科学与学习国家重点实验室，中国科学院自动化研究所、中国人民解放军总医院、宣武医院、齐鲁医院、天津环湖医院、北医三院、浙江省人民医院等单位，基于多中心、大样本、跨疾病的结构磁共振数据集（10000多例参与者的13000多次脑影像），发展了一套基于结构磁共振多尺度影像特征的融合框架，构建了一个AD客观个体化的IBRAIN，并从敏感性、特异性及临床可用性等多个角度对其进行系统验证。为临床AD临床早期识别、高危人群轻度认知损害人群的早期预测和个体化疾病进展监测提供了一个有效的客观指标，具有重要的临床意义。

“该研究多中心独立验证的方法部分解决了既往影像标记物难以泛化的问题；多尺度综合刻画大脑异常模式克服了既往单尺度影像标记物难以综合刻画AD大脑异常模式的局限性。”论文第一作者、北京邮电大学智能医学中心博士赵坤告诉《中国科学报》，“此外，大样本、跨疾病和真实临床队列的数据系统体现出IBRAIN未来临床转化的潜力。”

该研究是对团队前期研究“HR4AD研究验证海马影像组学是AD有效影像标记物”的进一步继承发展和凝练创新，是中心多年来融合脑网络组学、影像组学构建AD影像标记物的又一突破。研究所设计的多尺度特征融合框架有效的实现了AD脑异常模式的定量刻画，IBRAIN有望成功应用于AD的临床辅助识别和高危人群的精准预测，是对现有临床诊断框架的有效补充。IBRAIN的优势在于其仅依托于临床中常见的结构磁共振扫描序列，因此，它可以推广应用在AD高危人群的筛查中，对未来AD高危人群的精准早期识别具有重要的临床意义。

目前，该团队已共享了研究中更新后的应用程序，相应的研究方法可推广至其他精神疾病的研究。这也是该团队继磁共振连接组学揭示AD高风险人群亚型后的又一重要进展。

“下一步，我们的工作重点将集中在低分辨率临床数据上，尽快完成后续验证和模型升级，实现IBRAIN的临床转化。”北京邮电大学人工智能学院教授刘勇说。

相关论文信息：https://doi.org/10.1016/j.eclinm.2023.102276