在过去几十年里，全球神经科学家和医学研究人员一直致力于利用现有的健康记录、脑部扫描和其他医疗数据，来发现与特定疾病或神经精神疾病发作相关的生物标志物。这些生物标志物的识别有助于开发新的工具，预测个体患者患上特定疾病的几率，使医生能够及早干预，预防或延缓疾病的发生，或减缓其进展。
德克萨斯大学健康科学中心、UTHealth休斯顿行为健康科学学院、南加州大学凯克医学院和马里兰大学医学院的研究人员最近设计了一种新的基于大脑的指标，可用于追踪特定人群中可能导致阿尔茨海默病(AD)发展的早期风险因素。AD是一种进行性神经退行性疾病，会导致脑细胞退化和死亡，从而引起进行性记忆丧失和心理功能下降。AD在确诊后治疗选择非常有限，但最终导致AD的脑部变化需要数十年时间，这表明公众努力应集中在预防上。
研究人员设计了一种指标，可用于量化一个人大脑中的模式，以衡量其与被诊断为AD的个体所观察到的模式的相似性，这些个体作为阿尔茨海默病神经影像学倡议(ADNI)等研究项目的一部分进行跟踪。该指标发表在《分子精神病学》(Molecular Psychiatry)杂志上，是通过对来自有无AD人群的公开可用脑部影像数据进行大规模分析而得出的。
论文第一作者Peter Kochunov告诉Medical Xpress："我们正在开发区域脆弱性指数(RVI)，作为将大数据神经影像学发现转化为个体层面预测的方法。国家和国际资助机构已投资于收集来自多种精神和神经疾病的大量代表性样本的神经影像学数据，包括AD。"
"诸如增强神经影像遗传学元分析(ENIGMA)之类的国际科学联盟已组建特定疾病的专门工作组，并使用方法学上一致的方法将这些数据在研究样本和人群中进行汇总。这些汇总产生了效应量，可用于建模与特定脑部疾病相关的区域性脑部缺陷模式。"
基于大脑的AD风险指标的引入
过去的研究表明，包括AD在内的许多疾病的早期症状可能在数年内逐渐出现，AD的早期脑部特征可能在临床症状（如记忆或执行功能缺陷）变得明显之前的几十年就能被检测到。
在AD中，当明显的临床症状出现，患者寻求医疗帮助时，他们的大脑可能已经严重受损。这使得旨在逆转或减缓疾病进展并恢复相关认知缺陷的干预和治疗变得具有挑战性。
论文第一作者Peter Kochunov告诉Medical Xpress："我们的工作假设是，我们可以利用专注于AD的大数据神经影像学研究中出现的模式，通过常规MRI检查来量化个体与AD的相似性，与AD特异性正电子发射断层扫描(PET)或脑脊液采样（AD诊断的金标准）相比，这些检查是非侵入性、经济且广泛可用的。"
"我们的主要目标是证明RVI-AD可以追踪与已知遗传和环境风险因素相关的早期脑部变化，这些风险因素与30岁人群的痴呆症有关。"
Kochunov和他的同事设计的RVI-AD指数本质上是一个评分，用于量化一个人的大脑与AD患者大脑的相似程度。在这种情况下，单个人被表示为一个向量（即数字列表），代表其大脑特定区域的大小、厚度和/或体积。该向量被放置在一个高维度"地图"中，该地图是使用ENIGMA联盟收集的脑部影像数据创建的。
Kochunov解释道："与AD相关的模式在这个空间中形成一个方向，RVI测量个体表型向量与该轴的对齐程度。"
"这个概念可以使用笛卡尔坐标系直观地可视化，其中与特定轴的对齐表示与疾病相关模式的相似性。我们正在开发一个报告系统，将全脑和组织特异性RVI与已经发展为痴呆的受试者观察到的模式进行对比呈现，以便于结果的解释，与典型的放射学报告相比。"
为AD的早期筛查提供信息
Kochunov和他的同事的这项近期工作可能有助于开发旨在从常规临床检查中识别早期迹象的工具，这些迹象表明大脑老化过程影响了与AD或其他类型痴呆症相关的结构。未来，它可能会启发引入定期筛查，以在第一个症状出现之前检测神经退行性疾病，以便医生能够计划早期干预。AD有多种遗传和环境风险因素促使其发展，解决其中一些因素可能导致更健康的大脑老化。
Kochunov解释道："大脑是一个具有高度先天可塑性潜力的器官；因此，早期解决风险模式可能使个体远离AD的轨迹发生逆转。"
"目前，常规MRI检查的临床解读对于认知正常个体的AD风险没有信息量，因为临床重点的检查无法检测皮层厚度、皮层下体积和白质微观结构的微小变化。RVI可以通过显示个体大脑表型与预期AD相关模式之间的对齐程度，转化为临床实践。"
该研究团队还进行了其他专注于精神分裂症等严重精神健康障碍的研究。他们的研究结果表明，当RVI指数考虑在数年内定期（例如每两到五年）收集的脑部影像数据时，它们可能更具信息量。未来，研究人员希望开展进一步的研究，旨在进一步完善RVI指数，并考虑疾病或精神障碍的生物标志物如何随时间变化。
Kochunov补充道："我们的研究重点是提高RVI的敏感性和特异性。该指数的优势在于，它可以将多样化的影像数据合并为一个易于解释的单一数字，同时保留有关基础模式的特定信息。我们正专注于整合其他影像模式，如脑血流量和功能连接，这对于提高RVI对重度抑郁症的敏感性非常重要。"
【全文结束】