尽管及时诊断AD非常重要，但事实证明早期诊断具有挑战性。研究已经将疾病过程与代谢变化联系起来，如大脑某些区域的葡萄糖摄取所表明的那样，但这些变化可能难以识别。

该研究的合著者，来自加利福尼亚大学旧金山分校放射与生物医学成像系的医学博士Jae Ho Sohn表示：“大脑中葡萄糖摄取模式的差异非常微妙且弥漫。”“人们善于发现疾病的特定生物标志物，但代谢变化代表了一个更全面，更微妙的过程。”

该研究的资深作者，来自加州大学旧金山分校的本杰明·弗朗克医学博士通过放射大数据(BDRAD)研究小组接触了Sohn博士和加利福尼亚大学伯克利分校的本科生丁一鸣，该小组是一个专注于放射学的多学科医师和工程师团队数据科学。Franc博士对运用深度学习(DL)来发现可预测AD的脑代谢变化感兴趣。

研究人员使用18-F-氟脱氧葡萄糖PET(FDG-PET)扫描训练了DL算法。

研究人员可以访问阿尔茨海默氏病神经影像学计划(ADNI)的数据，该计划是一项主要的多站点研究，专注于改善该疾病的预防和治疗的临床试验。ADNI数据集包含来自1,002位患者的2,100多个FDG-PET脑图像。研究人员在90%的数据集上训练了DL算法，然后在其余10%的数据集上对其进行了测试。

最后，研究人员在40例从未研究过的患者的40例影像学检查中独立测试了该算法。该算法在最终诊断之前平均六年以上，对疾病的检测灵敏度达到100%。

Sohn博士说：“我们对该算法的性能感到非常满意。”Sohn博士说：“它能够预测到每一个发展为阿尔茨海默氏病的病例。”

算法可以帮助放射线学家

尽管他警告说，他们的独立测试集很小，需要通过更大的多机构前瞻性研究进一步验证，但算法这可能是补充放射科医生工作的有用工具，尤其是与其他生化和影像学检查结合使用时，可以为早期治疗干预提供机会。

他说：“如果在所有症状都表现出来后就诊断出阿尔茨海默氏病，那么大脑的体积损失将非常严重，以至于进行干预为时已晚。”“如果我们能够及早发现它，这将为研究者提供一个潜在的机会，以寻找更好的方法来减缓甚至停止疾病进程。”