佛罗里达大学的研究团队开发出一种创新性人工智能辅助诊断工具——自动化影像差异化分析系统（AIDP），该系统通过分析磁共振成像（MRI）数据，能够以极高准确率区分帕金森病（PD）与其他具有相似症状的神经系统疾病。
这种新技术专门针对帕金森综合征中的非典型帕金森综合征（如多系统萎缩MSA和进行性核上性麻痹PSP），这些疾病在临床表现上具有高度重叠性，表现为肌肉僵硬、震颤及运动障碍等症状，传统诊断方法常导致误诊。即使经验丰富的医生使用多巴胺转运体成像等检测手段，仍难以有效区分PD、MSA和PSP。
发表在《JAMA神经学杂志》的这项研究纳入了美国和加拿大21个临床中心的249例经病理确诊的PD、MSA或PSP患者数据，并采用396个训练样本建立机器学习模型。AIDP系统通过分析先进的弥散MRI扫描数据，检测不同疾病的特异性脑结构改变模式，研究人员针对大脑132个区域（包括皮层、脑干和小脑）建立疾病特征识别模型。
研究主要成果：
- AIDP系统对帕金森病的识别准确率达到96%
- 区分MSA与PSP的准确率高达98%
- 鉴别PD与MSA/PSP的准确率为98%
- 相较于金标准病理诊断，总体准确率达93.9%，较传统临床诊断提升12.3%
该系统优势显著：其非侵入性特征优于皮肤活检等检测方法；跨设备兼容性确保在不同医疗机构的通用性；相较于传统多巴胺转运体成像，能更清晰识别三种疾病的结构性差异。研究团队建议将AIDP与其他生物标志物检测联合使用，可进一步提升诊断可靠性。
这项突破性研究标志着人工智能在神经系统疾病诊断领域的重大进展。通过整合多中心真实临床数据，AIDP不仅提高了诊断准确率，还展现出与病理金标准比肩的诊断能力。该技术的应用有望缩短患者确诊周期，实现精准医疗，同时为其他复杂疾病的机器学习诊断提供范式。
【全文结束】
