2023年国际阿尔茨海默病及相关病学术大会在7月22日拉开帷幕，国内外著名专家的讲座精彩纷呈。7月23日，人工智能应用专场也给观众们带来了丰富的视听盛宴。首先，由阿尔茨海默病防治协会副会长、人工智能技术应用专委会主任委员、首都医科大学宣武医院的李坤成教授进行了开幕致辞。本次会议是AI专业分会成立后的首届年会，由阿尔茨海默病防治协会AI应用专委会副主任委员梁佩鹏教授和刘勇教授，以及分会常委张道强教授和李永丽教授担任主持。

本次会议邀请了人工智能与阿尔茨海默病脑影像研究领域的10余名专家学者进行专题报告。其中，南京航空航天大学计算机科学与技术学院的邵伟副教授从医学图像重建、分割、脑网络分析、多模态影像融合四个方面介绍了课题组在智能影像分析方面的相关研究，包括基于弦域结构损失的低剂量CT重建、基于多任务多模态的脑图像融合和特征选择方法等，为获得敏感脑疾病标志物和研制高效AD诊断方法提供理论基础。北京天坛医院放射科的主任医师段云云副教授系统介绍了脑龄在神经变性疾病中的应用及研究进展。脑龄可用于反映个体当前的大脑老化状态，以及个体未来患神经变性疾病的风险，可以作为大脑健康状况的影像标记物；脑龄差可应用在神经变性疾病、精神类疾病、脱髓鞘病等神经系统各类疾病的诊断之中，具有区分疾病严重程度和评估疾病进展的重要价值。来自首都医科大学宣武医院神经外科的王长明副研究员指出严重程度不同的AD患者均存在视空间能力缺陷，结合定点凝视与扫视/反扫视的眼动范式可精准对AD患者的视空间加工水平进行测查，基于眼动这一系列客观行为学指标的明确，有助于对认知障碍风险人群进行有效的早期识别，及时启动早期干预。来自电子科技大学的徐鹏教授介绍了基于脑电的个体状态解码及大脑解码在疾病诊治中的应用。徐鹏团队在国际上首先提出基于深度网络空间模型的脑电源定位方法，并在皮层上构建了脑电大尺度网络，优化了脑电网络的构建。脑电网络拓扑结构的差异性可用于测评个体的认知能力和情绪识别，并应用于精神分裂症、MCI等疾病诊断和抑郁症等疾病治疗疗效评估上。来自国家精神心理疾病临床医学研究中心、首都医科大学北京安定医院的杨志研究员介绍了其课题组将自然刺激影像应用于测量人脑功能的个体差异的系列研究，提出并初步验证了基于自然刺激影像的“脑功能测试”方法。研究结果证明这一方法在识别首发精神分裂症患者、评估创伤后应激症状及其缓解程度、评估青少年的情绪调节策略、识别诊断神经变性疾病等方面均有重要价值。来自北京航空航天大学生物医学工程学院的赵坤博士介绍了基于影像组学的大脑共变网络构建及其在阿尔茨海默病中的应用。赵坤博士及其课题组构建的新型大脑结构共变网络（R2SN），可成功用于捕捉AD脑网络异常，据此构建的AD个体化影像学标记物IBRAIN，可实现AD跨中心分类。研究结果表明集成多尺度结构磁共振影像学指标可以更好地显示AD大脑异常模式，有望成为AD临床辅助识别工具。深圳大学特聘教授雷柏英团队针对多中心AD智能诊断，提出了多中心图卷积神经网络、基于联邦学习框架的算法，在其研究中依次考虑了多模态融合、表型信息的影响、先验知识的融入、域自适应学习、多模版特征融合、客户端数据扩充、特征间的内在联系等因素，从不同角度对现有问题进行发掘，并在AD早期诊断的应用中取得良好效果。来自浙江大学医学院附属第二医院的曾庆泽博士介绍了脑小血管病与AD关系的研究进展。近年来有大量研究表明脑小血管病（CSVD）增加罹患AD的风险，促进AD的疾病进展，且CSVD与AD病理机制之间存在关联，提示临床应重视AD患者的脑血管病诊疗。 来自浙江工业大学理学院的胡正珲教授介绍了基于最小描述长度原理中的二级编码方式、混合编码方式、归一化极大似然编码方式提出的统一Granger因果分析方法，且在真实fMRI数据中验证采用以上统一Granger因果分析方法识别因果连接的有效性，并将其拓展应用于大网络、动态网络以及非线性因果等多种场景。该研究将进一步提升了AD脑网络异常检测的效果，也有助于AD脑影像学标记物的明确工作。来自上海大学生命科学学院的特聘教授蒋皆恢老师从脑代谢连接组学的生理学基础、脑代谢连接组学的计算方法和脑代谢连接组学的临床应用等方面介绍了其团队在PET代谢连接组学领域的最新研究进展。如开展DTI监督下的组群水平组网研究，提出“个体水平的代谢脑网络”的概念，助力于评估DBS疗效、AD转化测评以及实现AD的早期诊断。

本场报告充分展示了人工智能和软硬件技术创新在多中心、多层次、多模态AD脑影像学数据采集和分析中的广泛应用，为深入了解AD的内在致病机理、神经机制及发生发展特性提供了重要的理论启示，有助于进一步明确有效可靠的AD早期生物学影像标记物，同时也为改善AD早期诊断和防治工作提供了实践参考。

本场新闻专题报道：赵婧

审阅：李坤成

阿尔茨海默病防治协会人工智能应用专业分会

2023年7月23日