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、瑞士伯尔尼大学Axel Rominger/Kuangyu Shi教授团队在《European Journal of Nuclear Medicine and Molecular Imaging》杂志发表题为Decoding the dopamine transporter imaging for the differential diagnosis of parkinsonism using deep learning的研究论文。
帕金森病（Parkinson’s disease，PD）是仅次于阿尔茨海默病的第二大神经退行性疾病，其临床表现与非典型帕金森病如多系统萎缩（multiple system atrophy，MSA）、进行性核上性麻痹（progressive supranuclear palsy，PSP）等存在诸多重叠，临床鉴别诊断困难。约20-30%临床诊断为PD的患者在尸检病理检查中被证明是MSA或PSP，因此开发鉴别效能高、可获得性好的客观标志物十分重要。多巴胺能损害是目前可活体检测的PD核心病理学改变，多巴胺能正常是排除PD诊断的金标准。然而，MSA和PSP患者也常常伴有类似的多巴胺能损害，传统视觉评估和基于感兴趣脑区的半定量分析无法区分三者。
该工作纳入来自华山医院帕金森PET影像数据库（Huashan parkinsonian PET imaging，HPPI）的974例帕金森症患者和43例健康对照者，运用深度学习（3D深度卷积神经网络）提取多巴胺转运体11C-CFT PET深度影像组学特征，成功高效鉴别了PD（敏感性90.7%，特异性88.4%）、MSA（敏感性84.1%，特异性97.5%）和PSP（敏感性78.6%，特异性93.3%）。基于深度学习影像组学特征的半定量计算在PD、MSA和PSP间显示出显著差异（P<0.001），而常规基于感兴趣脑区（尾状核、壳核）的半定量计算在PD和MSA组间未见显著差异（P=0.24, P=0.30）。进一步可视化3D深度卷积神经网络发现用于决策的功能脑区与已知的帕金森症病理脑区一致。上述结果显示本研究开发的深度神经网络可解码来自多巴胺转运体PET显像的深度信息，有助于帕金森症鉴别诊断。
复旦大学附属华山医院王坚教授、左传涛教授团队在《European Journal of Nuclear Medicine and Molecular Imaging, EJNMMI》杂志上发表题为“18F‐Florzolotau PET imaging captures the distribution patterns and regional vulnerability of tau pathology in progressive supranuclear palsy”的研究成果。本研究对148例进行性核上性麻痹PSP患者的整体队列进行分析，结果显示新一代tau蛋白显像示踪剂18F-Florzolotau能有效捕捉PSP中tau蛋白病理的分布模式和脑区易感性，基于18F-Florzolotau的新型tau蛋白播散改良分级系统能更准确在体示踪疾病早期的tau蛋白病理播散。未来，PSPNI研究队列的纵向随访数据将为基于18F-Florzolotau的tau蛋白播散改良分级系统的效能验证提供支撑。