革命化痴呆症护理：了解便携式、基于AI的MRI系统如何打破阿尔茨海默病诊断的障碍，实现早期检测和全球可及性。
研究：便携式低场磁共振成像评估阿尔茨海默病。图片来源：illustrissima / Shutterstock
最近一项发表在《自然通讯》上的研究优化了便携式低场MRI（LF-MRI）的采集，并开发了一种机器学习管道，用于估计脑形态学和白质高信号（WMH），以诊断阿尔茨海默病。
阿尔茨海默病（AD）：病理和诊断
阿尔茨海默病是一种进行性神经退行性疾病，影响记忆、思维和行为。其病理特征包括大脑中β-淀粉样蛋白（Aβ）的沉积和神经纤维缠结的发展。随着时间的推移，这些蛋白质的积累增加会导致大脑结构的不良变化和血管损伤的加剧，这些变化分别通过可量化的脑萎缩和WMH来确定。
通常，AD的进行性无症状阶段持续10到20年。这可能是为什么75%的痴呆患者长期未被诊断的原因。抗淀粉样蛋白疗法的可用性增加了早期发现AD或轻度认知障碍（MCI）患者的紧迫性，因为早期诊断可以放大治疗效果。
AD的诊断基于认知测试，该测试通过体液生物标志物、正电子发射断层扫描（PET）和磁共振成像（MRI）评估Aβ和磷酸化tau负担。临床医生可以通过多对比度MRI确定脑结构和完整性的变化。这些影像学指标包括广泛性和海马萎缩，有助于医生了解疾病进展和认知衰退的过程。
尽管神经影像学在AD和MCI的诊断和管理中具有巨大帮助，但其有限的本地和全球可及性导致了诊断不足。先前的一项研究强调了便携式低场MRI的开发，这可以有效提高不同神经退行性疾病的可及性和诊断能力。这项研究突出了低场MRI的安全性和低成本床旁扫描潜力。然而，其较低的磁场强度降低了信噪比（SNR），影响了图像分辨率。
研究背景
当前的研究通过开发能够自动量化脑形态学和白质病变的机器学习工具，解决了低场MRI在AD和MCI诊断中的上述局限性。
建立了一个成像管道，用于量化脑体积。优化了超分辨率和对比合成技术（LF-SynthSR），以提升后续分割（SynthSeg）中的低场图像分辨率。例如，从低场MRI得出的海马体积与高场MRI结果非常接近，绝对对称百分比差异（ASPD）为2.8%，Dice相似系数为0.87。这一策略帮助建立了最佳的低场采集参数，用于准确量化。它还通过从低场T2流体衰减反转恢复（FLAIR）图像中自动分割WMH病变，测量了白质高信号（WMH）负担（WMH-SynthSeg）。该研究使用了一组前瞻性队列的MCI或AD患者，验证了LF-SynthSR、SynthSeg和WMH-SynthSeg。
为了建立成像管道，三个队列的参与者进行了便携式低场0.064 T MRI和高场常规扫描，磁场强度为1.5–3 T。第一个队列包含20名健康个体（10名男性和10名女性），没有神经系统疾病史或记忆投诉。
第二个队列包含23名参与者（11名男性和12名女性），至少有一项血管风险因素。然而，所有参与者均无任何神经系统投诉或记忆障碍史。第三个队列包括54名被诊断为MCI或AD的个体（32名男性和22名女性）。这些参与者接受了包括T1加权（T1w）、T2加权（T2w）和FLAIR序列在内的低场MRI成像协议。
研究发现
虽然低场MRI图像的分辨率不足以使用高场软件分析工具进行自动分割，但它们首先被超分辨率处理（SR）为1毫米各向同性的T1加权（T1w）磁化准备快速梯度回波（MP-RAGE）图像。研究发现，各向同性体素大小≤3毫米提高了分割准确性，产生了小于5%的ASPD值。此外，通过优化LF-SynthSR v2管道，自动分割的准确性得到了提高，使其在低场成像应用中更具实用性。
在第一个队列中，通过将原始LF-SynthSR和LF-SynthSR v2生成的海马、侧脑室和全脑分割体积与3 T高场（HF）MRI进行比较，评估了自动分割的准确性。
通过将LF-SynthSR v2与LF-SynthSR v1进行比较，侧脑室体积的准确性得到了提高。图像采集时间取决于体素大小和序列，范围在1分53秒到9分48秒之间。研究还发现，各向同性体素大小≤3毫米在低SNR的低场MRI中提高了分割准确性。脑形态学的准确性受体素大小和几何形状的影响。此外，LF-SynthSR v2分割管道通过与FreeSurfer分割工具ASEG生成的高场T1w MP-RAGE分割进行了验证。
由于轴突丢失或脑小血管疾病引起的WMH病变在认知障碍患者中很常见，并通过WMH-SynthSeg进行了量化。这些发现用于FLAIR作为T2高信号病变的自动量化，提高了低场MRI在AD诊断和监测中的能力。
本研究使用机器学习从低场FLAIR图像中生成WMH病变体积（WMHv），使用WMH-SynthSeg。这一策略实现了同时分割WMH T2 FLAIR病变，以及之前的脑形态学。WMH体积与手动注释和高场成像标准高度相关。
基于WMHv生成的机器学习工具，该工具能够检测MCI、AD和认知正常的患者（CN），从而得到验证。
结论
目前的研究表明，低场MRI结合机器学习工具可以诊断AD或MCI患者。未来，这种设备还可以评估其检测神经退行性tau蛋白病和血管性痴呆的能力。其便携性、低成本和自动化分析管道表明，它在全球范围内解决诊断不平等方面具有显著潜力。
参考文献：
- J., A., Guo, J., Laso, P., Kirsch, J. E., Zabinska, J., Garcia Guarniz, A., Schaefer, P. W., Payabvash, S., De Havenon, A., Rosen, M. S., Sheth, K. N., Iglesias, J. E., & Kimberly, W. T. (2024). 便携式低场磁共振成像评估阿尔茨海默病。《自然通讯》，15(1)，1-12. DOI: 10.1038/s41467-024-54972-x,
(全文结束)
