脑电图与人工智能革新额颞叶痴呆诊断 - AI与医疗健康

脑电图与人工智能革新额颞叶痴呆诊断EEG And AI Improve Frontotemporal Dementia Diagnosis - EMJ

环球医讯 / AI与医疗健康来源：www.emjreviews.com英国 - 英语2025-12-21 07:20:08 - 阅读时长2分钟 - 933字

最新研究证实人工智能结合常规脑电图技术可显著提升额颞叶痴呆诊断精准度，该方法能有效区分额颞叶痴呆与阿尔茨海默病并准确评估疾病严重程度。研究开发的深度学习框架通过分析脑电信号提取频谱和时间特征，在区分两种痴呆症时特异性从26%提升至65%，整体分类准确率达84%，且额颞叶痴呆严重程度预测误差仅15.5%。这项便携低成本技术有望成为临床诊断新工具，尤其适用于缺乏高级影像设备的地区，将加速患者确诊进程并支持个性化治疗方案制定，对改善痴呆症诊疗体系具有重要实践价值。

常规脑电图（EEG）有望彻底改变痴呆症诊断方式，研究人员证实将人工智能应用于脑电图扫描能够可靠识别额颞叶痴呆，同时将其与阿尔茨海默病区分开来，并以显著准确性评估疾病严重程度。

为何额颞叶痴呆常被漏诊

额颞叶痴呆是继阿尔茨海默病之后第二常见的痴呆原因，但由于认知症状高度重叠，该病经常被误诊。与通常表现为记忆丧失的阿尔茨海默病不同，额颞叶痴呆往往始于行为、个性或语言变化，这些症状与额叶和颞叶的神经退行性病变密切相关。当前诊断主要依赖临床评估和昂贵的影像学检查，常导致确诊延迟。这促使医学界关注脑电图技术——这种测量大脑电活动的便携式低成本手段虽具潜力，但历史上单独使用时缺乏诊断精度。

脑电图与人工智能如何识别额颞叶痴呆

本研究中，科研团队开发了深度学习框架，用于分析阿尔茨海默病患者、额颞叶痴呆患者及认知正常对照者的脑电信号。该模型提取了全频段的频谱和时间特征，使人类肉眼无法察觉的细微模式得以识别。结合卷积神经网络与基于注意力机制的长短期记忆网络的混合架构，实现了疾病分类与严重程度预测的同步进行。关键生物标志物包括额叶和中央区域delta波段活动增强，该现象在两种疾病中均存在。但阿尔茨海默病表现为多脑区广泛性功能紊乱，而额颞叶痴呆则呈现更局限的额叶和颞叶特异性变化。

系统采用两阶段诊断策略：首先识别认知正常个体，再区分额颞叶痴呆与阿尔茨海默病。该方法在分类阿尔茨海默病、认知正常状态和额颞叶痴呆时整体准确率达84%。特征优化使区分两种痴呆症的特异性从26%显著提升至65%。疾病严重程度预测方面，阿尔茨海默病的相对误差低于35%，额颞叶痴呆的相对误差约为15.5%。