帕金森病(PD)是最常见的神经退行性疾病之一。在我国人口基数巨大和老龄化趋势突出的大背景下，PD已成为严重影响中老年人健康和社会经济负担的重大疾病。早期正确诊断有利于早期合理干预，从而有利于患者的长期预后。然而PD患者，尤其是早期患者症状常不典型，容易与不典型帕金森综合征，如多系统萎缩(MSA)和进行性核上性麻痹(PSP)等相混淆。如何进行准确的鉴别诊断一直是PD研究领域的重点与热点。2022年3月3日，复旦大学附属华山医院管一晖/左传涛教授团队、王坚教授团队与瑞士伯尔尼大学施匡宇教授团队合作，在国际核医学权威期刊《核医学杂志》(Journalof Nuclear Medicine)在线发表了《基于深度代谢成像指标进行帕金森综合征的鉴别诊断》(Differentialdiagnosis of parkinsonism based on deep metabolic imaging indices)的研究论文。华山医院吴平副研究员、施匡宇教授团队赵宇博士为本文共同第一作者。该研究基于大样本帕金森综合征18F-FDG显像数据和深度学习技术开发3D深层卷积神经网络来提取深度代谢成像(DMI)指标。该指标可以显示任一受试者基于18F-FDG PET影像诊断为PD、MSA和PSP的可能性大小(三者总和为1)。在神经网络建立队列中进行的交叉验证显示，根据DMI指标诊断PD、MSA和PSP的灵敏度分别为95.7%、97.3%和91.8%，特异度分别为97.6%、99.5%和98.2%;在纵向随访的独立队列中进行的盲法验证显示，基于DMI指标诊断诊断PD、MSA和PSP的灵敏度分别为98.1%、88.5%和84.5%，特异度分别为90.0%、99.2%和97.8%。在外部(德国)验证队列中，该指标同样取得了高度的准确性(图1)。重要的是，尽管在随访期的准确性略有提升，但DMI指标在基线期即可获得高度的准确性，可用于帕金森综合征的早期鉴别诊断。另外，该研究应用显著性映射(saliency maps)来理解人工智能神经网络背后的决策机制，结果发现DMI指标主要基于帕金森综合征相关的脑区，即壳核、中脑以及小脑(图2)。

图1

图2

华山团队长期致力于帕金森综合征早期诊断与鉴别诊断的影像标志物开发，目前已取得了一系列成果，并有多项成果转化到临床，为帕金森相关疾病的患者带来了福音。目前的研究是对常规显像剂18F-FDG临床应用的又一次新的探索与尝试，相关成果具有良好的推广前景。