美国波士顿——麻省理工学院计算机科学与人工智能实验室（CSAIL）与哈佛医学院布莱根妇女医院联合研究团队近日宣布，其开发的新型深度学习算法"NeuroDetect"在阿尔茨海默病早期诊断领域取得重大突破。该系统通过分析标准3T磁共振成像（MRI）扫描数据，能够比现有临床诊断提前5年识别出疾病的早期生物标志物。
研究团队采集了来自全球12个国家的3800名55-75岁受试者纵向影像数据，结合脑脊液生物标志物检测结果进行训练。算法核心创新在于多模态神经网络架构，可同步解析海马体亚区域萎缩速率、默认模式网络功能连接变化及β-淀粉样蛋白沉积的空间分布特征。在最新临床验证中，系统实现了92.7%的预测准确率（敏感性89.3%，特异性94.1%），显著优于现行临床评估标准。
"传统诊断往往在患者出现明显认知障碍后才能确认，"项目首席科学家莎拉·陈教授解释，"而我们的模型能在神经元损伤达到不可逆阈值前就发出预警，这为临床干预争取了关键时间窗。"研究显示，早期启动生活方式干预结合靶向药物治疗，可使疾病进展速度降低63%。
该技术已通过《自然·医学》期刊同行评审，目前正在筹备FDA突破性医疗器械认定申请。研发团队强调，算法已通过伦理审查委员会批准，所有训练数据均经严格匿名化处理。下一步将开展万人级真实世界研究，重点验证其在不同种族群体中的泛化能力。若审批顺利，预计2027年初可投入临床辅助诊断使用。
【全文结束】
