基于简单人工智能技术的多巴胺转运体闪烁扫描分析在帕金森病诊断中的应用研究

《Annals of Nuclear Medicine》：Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson’s disease

帕金森病诊断中基于深度学习的DAT SPECT图像分析模型开发。采用300例PD患者和102例对照组作为训练集，通过迁移学习构建6种预训练CNN模型，并在独立验证集（96例PD）和临床医生（3人）中进行准确性对比，AI模型准确率达0.959，与医生无显著差异，验证了AI辅助诊断的可行性。

　　

摘要

引言

根据运动障碍学会对帕金森病（PD）的诊断标准，应使用多巴胺转运体单光子发射计算机断层扫描（DAT SPECT）来评估突触前多巴胺系统。然而，对于经验不足的医生来说，检测到轻微的缺陷较为困难。因此，我们尝试开发一种基于深度学习的简单图像分析方法来评估DAT SPECT图像。

方法

我们使用了300名被诊断为PD的患者和102名患有非神经退行性疾病的对照组患者的数据作为人工智能（AI）开发的样本集。为了验证模型的有效性，我们分析了来自另一个独立样本集的96名PD患者的数据。我们将开发样本集分为训练集和测试集。利用训练集，我们采用了六种预训练的卷积神经网络架构进行了迁移学习，并创建了AI模型。我们评估了这些模型的准确性、灵敏度以及接收者操作特征曲线下面积（AUC），并通过验证样本集进一步确认了它们的有效性。此外，我们还将最佳AI模型的准确性与两位经验丰富的神经科医生和一名住院医生的诊断结果进行了比较。

结果

所选AI模型对DAT SPECT图像的解析准确率为0.959；在验证样本集中的准确率为0.8959–1。AI模型与医生的诊断结果之间没有显著差异。

结论

我们开发的这种用于解析DAT SPECT图像的简单AI模型具有较高的准确性和稳定性，其准确性与医生的诊断结果相当。