编辑推荐：
帕金森病（PD）与多系统萎缩（MSA）临床症状相似，易误诊。研究人员利用深度学习（DL）技术，基于多模态多序列 PET/MR 影像开展 PD 与 MSA 分类研究。结果显示多模态模型性能更优，该研究为 PD 和 MSA 的精准诊断提供了潜在工具。
帕金森病（Parkinson’s disease，PD）和多系统萎缩（multiple system atrophy，MSA）都是让人头疼的神经退行性疾病。它们有着相似的运动症状，像动作迟缓、肢体僵硬等，但在治疗和预后方面却大不相同。PD 患者对左旋多巴治疗通常有较好反应，因为其主要是多巴胺能神经元缺失；而 MSA 是一种快速进展的 α- 突触核蛋白病，影响自主神经和小脑系统，目前还缺乏有效的治疗手段。更糟糕的是，二者的误诊率超过 20%，很多患者因此接受了不恰当的治疗，病情延误。
当前的诊断方法主要依赖临床标准，像左旋多巴的反应以及自主神经功能障碍等表现，但这些特征往往在疾病晚期才出现，导致确诊时间推迟。现有的成像生物标志物，如磁共振成像（Magnetic Resonance Imaging，MRI）的 T1、T2 加权序列，虽然能检测到壳核或脑桥的萎缩，提示可能是 MSA，但这些结构变化出现较晚，不利于早期诊断。扩散加权成像（Diffusion-Weighted Imaging，DWI）和表观扩散系数（Apparent Diffusion Coefficient，ADC）图能显示微观结构异常，可对非典型帕金森综合征的特异性不足。正电子发射断层扫描（Positron Emission Tomography，PET）能提供功能信息，比如多巴胺转运体（Dopamine Transporter，DAT）配体 11C- 甲基 - N-2β- 甲氧基羰基 - 3β-(4 - 氟苯基) 托烷（11C-CFT）可量化突触前多巴胺能缺陷，18F- 氟脱氧葡萄糖（18F-FDG）PET 能评估区域葡萄糖代谢，区分 PD 和 MSA，但单模态方法存在主观性强、观察者间差异大以及早期区分敏感性不足等问题。
为了解决这些难题，中国人民解放军总医院的研究人员开展了一项重要研究。他们收集了 206 例经临床诊断为 PD 或 MSA 的患者，以及 38 例健康志愿者作为正常对照（Normal Control，NC）。这些受试者都进行了 PET/MR 成像，之后随机分为训练集和测试集，比例为 7:3 。研究人员使用了修改后的 18 层残差块网络（Residual Block Network with 18 layers，ResNet18），以多模态图像中轴向、冠状和矢状面的 10 个二维（Two-dimensional，2D）切片作为输入，训练不同模态图像的模型，来对 PD、MSA 和 NC 进行分类，并采用四折交叉验证法。
研究中用到了几个关键技术方法。首先是影像采集，对患者进行 11C-CFT 和 18F-FDG 的 PET/MR 扫描，扫描前患者需遵循相应的禁食和停药要求。然后是影像预处理，用 Python 和 SimpleITK 工具，通过重采样、颅骨剥离、刚性配准等步骤处理图像。最后是模型训练与评估，基于 Pytorch 框架，用 NVIDIA Quadro P3200 显卡，以 Adam 为优化器，设置学习率、批量大小和训练轮次来训练模型，并用准确率、精确率、召回率、F1 分数、受试者工作特征曲线（Receiver Operating Characteristic，ROC）及曲线下面积（Area Under the ROC Curve，AUC）等指标评估。
研究结果令人眼前一亮。在患者特征方面，PD、MSA 和 NC 组在年龄、性别、体重上无显著差异，测试集中 PD 和 MSA 组年龄有差异，但性别和体重无差异。模型效率上，训练数据显示，多模态和多序列方法比单模态模型更能提升 PD 分类效果，11C-CFT-ADC 模型表现最佳，准确率达 0.97，精确率 0.93，召回率 0.95，F1 分数 0.92，AUC 为 0.96 。测试集中，11C-CFT-ADC 模型准确率 0.70，精确率 0.73，召回率 0.93，F1 分数 0.82，且多模态模型诊断 MSA 和识别正常对照的能力更强。
研究结论和讨论部分意义重大。该研究表明深度学习方法有潜力成为 PD 和 MSA 精准诊断的高性能辅助工具，多模态和多序列模型能进一步提升 PD 分类能力。不过研究也存在局限性，如 MSA 患者样本量小和回顾性研究设计可能导致过拟合和样本偏差。未来需要多中心合作扩大样本量，开展前瞻性研究，增强模型的稳健性和可解释性，从而推动该技术在临床诊断中的广泛应用，为帕金森病和多系统萎缩的诊断和治疗带来新的希望。
