基于神经影像的复杂脑网络技术用于阿尔兹海默症的研究进展

潘野雄 蒋皆恢 王敏 左传涛

1上海大学，上海先进通信与数据科学研究院 200444；2复旦大学附属华山医院PET中心，上海 200235

阿尔兹海默症（Alzheimer disease，AD）是一种老年性神经退化性疾病，主要临床表现为认知功能下降、记忆力逐渐丧失、精神和日常生活能力显著降低。目前全球AD患者超过千万，且预计在未来的几十年内其患病率将急剧增长[1]。

AD作为一种不可逆神经退行性疾病，发病机制十分复杂，涉及到病理、生理系统间的各种相互作用，主要的病因包括脑灰质中β-淀粉样蛋白积聚的淀粉样蛋白斑块和与tau蛋白相关的神经纤维缠结[2]。有研究表明，AD的疾病进程与其他类型的分子病理、生理机制也存在相关性，如突触功能障碍、神经炎症和脑代谢功能紊乱等[3-5]。因此，明确AD的发病进程和病理、生理学特征是一项十分艰巨的挑战。

近年来随着人工智能技术的兴起，各种数据挖掘技术被广泛地应用于AD早期诊断和对其机理的研究中，其中，基于图论的复杂网络分析方法为临床工作者提供了一个全新的视角[6]。该方法将大脑看作一个复杂的交互网络系统，将脑区或神经元组视作网络节点，通过对比观察AD患者和正常人群中脑网络参数变化，实现对AD的早期鉴别和机理研究。在过去的十几年，从动物模型到活体人脑的跨物种研究已经揭示了AD会造成脑网络结构和功能变化，如小世界特性、富人俱乐部和分层模块化等特性的变化[7-10]。而随着诸多神经影像学技术[如结构磁……