解码退化：机器学习在神经退行性疾病临床检测中的应用

doi:10.4103/1673-5374.355982

摘要/Abstract

摘要：

https://orcid.org/0000-0003-0218-2840 (Fariha Khaliq);

https://orcid.org/0000-0002-5705-2122 (Sameehan Mahajani)

Abstract: Machine learning represents a growing subfield of artificial intelligence with much promise in the diagnosis, treatment, and tracking of complex conditions, including neurodegenerative disorders such as Alzheimer’s and Parkinson’s diseases. While no definitive methods of diagnosis or treatment exist for either disease, researchers have implemented machine learning algorithms with neuroimaging and motion-tracking technology to analyze pathologically relevant symptoms and biomarkers. Deep learning algorithms such as neural networks and complex combined architectures have proven capable of tracking disease-linked changes in brain structure and physiology as well as patient motor and cognitive symptoms and responses to treatment. However, such techniques require further development aimed at improving transparency, adaptability, and reproducibility. In this review, we provide an overview of existing neuroimaging technologies and supervised and unsupervised machine learning techniques with their current applications in the context of Alzheimer’s and Parkinson’s diseases.

Key words: Alzheimer’s disease, clinical detection, deep learning, machine learning, neurodegenerative disorders, neuroimaging, Parkinson’s disease

. 解码退化：机器学习在神经退行性疾病临床检测中的应用[J]. 中国神经再生研究(英文版), 2023, 18(6): 1235-1242.

Fariha Khaliq, Jane Oberhauser, Debia Wakhloo, Sameehan Mahajani. Decoding degeneration: the implementation of machine learning for clinical detection of neurodegenerative disorders[J]. Neural Regeneration Research, 2023, 18(6): 1235-1242.

参考文献

引言

出版重点

《中国神经再生研究（英文版）》杂志为SCI、PubMed数据库收录的国际唯一一本专注神经再生领域研究的经同行评议的开放获取期刊，出版来自全球神经再生领域专业学者的前沿性基础研究及临床研究及转化医学、循证医学优秀的最新成果。

期刊出版来自于脑损伤与神经再生、脊髓损伤与神经再生、周围神经损伤与神经再生和神经退行性病与神经再生、神经影像与神经再生的相关研究。期刊关注神经损伤与再生过程中的轴突再生、突触生长、神经可塑性、神经修复和替代、神经移植等最新研究成果。尤其关注应用细胞治疗、基因治疗、生物因子治疗、药物治疗、手术治疗、康复治疗、物理疗法、组织工程、生物工程、生物材料、神经假体等干预性方法产生神经再生效果的相关研究。文章应清晰描述抑制神经元损伤、减轻神经元损伤的一系列变化，保护损伤神经元的过程、方法、程度与评价，突出从细胞分子水平以及分子生物学水平解释神经元损伤后以及预后再生的机制。

NRR杂志被国际重要数据库收录

科学引文索引（Science Citation Index Expanded，SCI）

美国国立医学图书馆（PubMed）

美国国立医学图书馆开放获取全文数据库（PubMed Central, PMC）

美国生物学文摘数据库（BIOSIS previews, BP）

美国《化学文摘》（Chemical Abstracts, CA）

Scopus荷兰《医学文摘库/医学文摘》（Excerpta Medica, EM）

波兰《哥伯尼索引》（Index of Copurnicus, IC）

OvidSP平台数据库

中国科学引文数据库（CSCD）

中国科技期刊数据库-统计源期刊（CSTPCD）

编委会

主编Editor-in-Chief

苏国辉院士（Kwok-fai So, Chair Professor and Head, Jessie Ho Professor in Neuroscience, Department of Anatomy, The University of Hong Kong）。

徐晓明教授（Xiao-ming Xu, Professor and Mari Hulman George Chair of Neurological Surgery, Scientific Director of Spinal Cord and Brain Injury Research Group, Indiana University School of Medicine）

联系方式：Email: szb@nrren.org 电话：+86 138 0499 8773

编委会成员

期刊编委队伍由国际神经再生领域著名学者、中国科学院院士、香港大学苏国辉教授和美国印第安纳大学徐晓明教授领导的由100多位国际神经再生优秀专家组成。共同致力于创办一本发表神经再生领域专业学术研究经同行严格评审的优秀学术期刊。

在线投稿平台

作者可以通过www.nrronline.org在线投稿。

所有的稿件都将通过该系统提交至NRR杂志电子投稿出版管理系统。

作者有不明确的问题，请访问szb@nrren.org或咨询+86 138 0499 8773。

投稿后，当论文已处于审稿或等待审稿状态时，2个月内请勿将稿件再投至他刊。

初次投稿：

投稿信:

应说明文章未一稿多投，全部作者是否对所投稿件内容知情同意，推荐2-3位小同行审稿人。

作者协议：

投稿时请注意作者协议，如同意后可继续完成投稿，投稿成功后作者已与杂志签定了文章的相关版权。

投稿后的同行评议

期刊投稿平台应用国际最大的投稿平台Editorial Manager，投到本刊的每篇稿件都要经过3-4位小同行审稿人评审，审稿方法为国际学科小同行组成双盲审稿。所有发表在杂志的文章都将经过严格的双盲同行层层评议，审稿中注重科学性、伦理学和文章真实性的严格审查。期刊将在投稿后4周内通知作者评审意见。

根据评审意见，编辑部决定稿件返修，再审，被接受或退稿。稿件被接受后，作者可经投稿平台以通讯作者账号随时查询稿件的出版进程。

材料方法

讨论

特邀稿件

对特邀综述稿件的要求：

（1）需提前向编委会提交写作大纲，通过选题后，文章需在2个月内完成。

（2）全文不超过6000个单词，包括摘要，不包括参考文献，图和表格，出版后8-10个版面。

（3）文章写作结构：

文题：不超过 90个字母，20个单词。

摘要：非结构式， 250单词。

引言：

主体内容：

总结：

作者贡献：

利益冲突：

参考文献：采用 Journal of Neuroscience格式。

特邀述评类文章：观点、点评、研究亮点、给编辑的信等。

特邀观点栏目文章要求：

（1）观点文章为作者对神经再生领域某一热点问题的评论，有作者鲜明的观点和作者本人

对此科研过程的认识和总结。

（2）需提前向编委会提交写作大纲，通过选题后，文章需在2个月内完成。

（3）全文2000- 3000单词，包括参考文献，不需要图和表格，不需要摘要，出版后2个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

特邀点评与研究亮点栏目文章要求：

（1）点评文章为点评在本刊发表的文章，研究亮点文章为点评国际优秀杂志近期或在线提前发表的前沿性的优秀文章。

（2）需提前向编委会提交写作大纲，通过选题后，文章需在2个月内完成。

（3）全文2000- 3000单词，包括参考文献，不需要图和表格，不需要摘要，出版后2个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

利益冲突：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

给编辑的信栏目文章要求：

（1）给编辑的信文章为读者对本刊已发表文章的来信反馈。

（2）全文1000- 2000单词，不包括参考文献，文章不需要摘要、图和表格，出版后1个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

利益冲突：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

文章快阅

延伸阅读

NRR：美国斯坦福大学大学Sameehan Mahajani团队概述监督和非监督机器学习技术在阿尔茨海默病和帕金森病背景下的应用

机器学习代表了人工智能的一个不断发展的子领域，在诊断、治疗和跟踪复杂疾病（包括阿尔茨海默病和帕金森病等神经退行性疾病）方面有很大希望。虽然这两种疾病都没有明确的诊断或治疗方法，但研究人员已经使用神经成像和运动跟踪技术实施机器学习算法来分析病理相关症状和生物标志物。深度学习算法（例如神经网络和复杂的组合架构）已被证明能够跟踪与疾病相关的大脑结构和生理变化以及患者的运动和认知症状以及对治疗的反应。此类技术需要进一步开发，旨在提高透明度、适应性和可重复性。

美国斯坦福大学大学Sameehan Mahajani团队认为，神经影像学可以帮助临床医生对疾病进行分期和筛查。使用人工智能、机器学习和深度学习算法可以帮助临床医生对此类疾病进行临床前诊断。机器学习算法和神经影像技术的结合为研究人员提供了可能导致早期阿尔茨海默病诊断方法的见解。机器学习可以区分阿尔茨海默病患者的大脑和轻度认知障碍患者的大脑，后者是阿尔茨海默病的前兆。最重要的是，机器学习/神经影像学研究中使用的方法为未来识别认知脆弱个体和开发新的治疗干预措施提供了路线图。虽然机器学习和可穿戴技术的整合很快就会成为神经系统疾病早期诊断的预测工具，但仍有待进一步研究的重要领域。研究领域包括在细胞水平上检测症状前的认知衰退、使用可穿戴传感器改善患者的步态和运动分析、使用视频建模进行患者记忆回忆，以及远程医疗在治疗神经系统疾病中的作用。

文章在《中国神经再生研究（英文版）》杂志2023年6 月 6 期发表。