近日，《表型组学》(Phenomics) 在线发表了复旦大学附属华山医院左传涛教授/刘丰韬副主任医师团队、瑞士伯尔尼大学小岛医院Kuangyu Shi教授团队题为“Adjustment for the Age‑ and Gender‑Related Metabolic Changes Improves the Differential Diagnosis of Parkinsonism”的研究论文。该研究比较了三种基于脑葡萄糖代谢正电子发射断层显像([¹⁸F] fluorodeoxyglucose positron emission tomography, [¹⁸F]FDG PET)的代谢指标(校正年龄性别Z值(age- and gender-adjusted Z, AGAZ)评分、常规标准摄取值比值(standardized uptake value ratio, SUVR)和疾病相关脑代谢模式表达值)用于帕金森综合征的鉴别诊断效能。

论文DOI链接：https://doi.org/10.1007/s43657-022-00079-6

论文PDF链接：https://link.springer.com/content/pdf/10.1007/s43657-022-00079-6.pdf

研究背景

帕金森病(Parkinson’s disease, PD)是一种以运动障碍为主要表现的常见老年神经退行性疾病。以多系统萎缩（multiple system atrophy, MSA)，进行性核上性麻痹(progressive supra-nuclear palsy, PSP)为代表的帕金森叠加综合征在临床表现上与PD存在诸多重叠，因此临床鉴别诊断存在挑战。

正电子发射断层显像(positron-emission-tomography, PET)是一种基于特异性示踪剂的、无创的、在体识别和追踪某些生物学过程的显像技术。葡萄糖代谢([¹⁸F] fluorodeoxyglucose, [¹⁸F]FDG)是临床常用的PET显像示踪剂，在过去十余年中被广泛用于神经退行性疾病的辅助诊断。脑葡萄糖代谢变化受到疾病的影响，同时也和年龄相关。由于帕金森综合征的发病年龄跨度极大，与年龄相关的变化可能会影响基于[¹⁸F]FDG PET的早期诊断的准确性。此外，性别也被认为是年龄相关的脑衰老中重要的异质性因素，与疾病易感性和神经退行性变轨迹异质性密切相关。因此，在尝试消除与年龄相关的代谢变化对基于[¹⁸F]FDG PET的帕金森综合征鉴别效能的影响时，性别也应纳入考虑。

该研究基于该团队2017年发表于Neuroimage的题为“Data-driven identification of intensity normalization region based on longitudinal coherency of ¹⁸F-FDG metabolism in the healthy brain”^[1]的纵向脑代谢模板，构建校正年龄性别Z值(age- and gender-adjusted Z, AGAZ)评分用于PD、MSA、PSP患者的鉴别诊断方法。同时纳入常规标准摄取值比值(standardized uptake value ratio, SUVR)和该团队既往构建的PD、MSA、PSP相关脑代谢模式表达值(相关论文发表于Parkinsonism & Related Disorders 2013^[2], Neuroimage: Clinical 2020^[3], Human Brain Mapping 2018^[4])作为评估AGAZ评分效能的对照。此外，该研究进一步比较了AGAZ评分对不同性别和不同年龄患者改善程度的差异(图1)。该研究提出的新型代谢指标有望进一步提升[¹⁸F]FDG PET对帕金森综合征的鉴别效能。

图1 研究流程图

研究结果

该研究从华山医院帕金森PET影像数据库(Huashan parkinsonian PET imaging, HPPI)纳入完成脑[¹⁸F]FDG PET显像的临床确诊的511例PD(41~82岁)，211例MSA(41~79岁)和155例PSP(44~84岁)患者。基于特征选择的SUVR模型在训练集和测试集中均显示出极高的诊断准确性(92.1–96.3%)，而AGAZ评分的准确率略高于SUVR(92.8–96.3%)，两者均优于疾病相关性脑代谢模式表达值(83.0–91.2%;图2)。

图2 训练数据集中不同代谢指标的分类性能

图3 常规SUVR分类错误而AGAZ评分诊断正确的各种疾病患者示例

将男性和女性患者单独测试时，AGAZ评分依旧表现出最高的诊断效能。通过绝对净重分类指数(absolute net reclassification index, NRI)比较AGAZ评分对不同性别患者的改善程度发现，与SUVR值相比，AGAZ评分在MSA女性患者(女:10.7%±1.7%,男性:5.3%±1.5%，p<0.001)和PSP女性患者(女:17.0%±3.2%,男性:7.8%±2.6%，p<0.001)中的改善更为明显，而在PD患者中没有显著差异(女:7.0%±1.9%,男性:7.2%±1.7%，p=0.350;图4)。进一步比较AGAZ评分对不同年龄组患者的改善程度发现，与SUVR值相比，AGAZ评分在PD和MSA中的改善在老年组中最为明显，而在PSP中的改善在年轻组中最突出。

图4 与SUVR值相比，通过AGAZ评分改善疾病分类的性别差异

研究结论

该研究提出的AGAZ评分通过校正年龄和性别相关的脑代谢变化进一步提高了基于脑[¹⁸F]FDG PET的帕金森综合征的鉴别诊断效能，尤其是在MSA和PSP的女性患者中。AGAZ评分将有助于帕金森综合征的早期诊断和鉴别诊断，辅助以性别为导向的靶向干预措施的发展，并启发基于图像的诊断方法在其他神经退行性疾病中的优化。该团队将进一步开发一款基于AGAZ评分的软件，将当前的方法转化到临床实践中，以促进[¹⁸F]FDG PET在帕金森综合征的鉴别诊断中的应用。

Abstract

Palmprints are of long practical and cultural interest. Palmprint principal lines, also called primary palmar lines, are one of the most dominant palmprint features and do not change over the lifespan. The existing methods utilize filters and edge detection operators to get the principal lines from the palm region of interest (ROI), but can not distinguish the principal lines from fine wrinkles. This paper proposes a novel deep-learning architecture to extract palmprint principal lines, which could greatly reduce the influence of fine wrinkles, and classify palmprint phenotypes further from 2D palmprint images. This architecture includes three modules, ROI extraction module (REM) using pre-trained hand key point location model, principal line extraction module (PLEM) using deep edge detection model, and phenotype classifier (PC) based on ResNet34 network. Compared with the current ROI extraction method, our extraction is competitive with a success rate of 95.2%. For principal line extraction, the similarity score between our extracted lines and ground truth palmprint lines achieves 0.813. And the proposed architecture achieves a phenotype classification accuracy of 95.7% based on our self-built palmprint dataset CAS_Palm.

通讯作者：左传涛

左传涛，医学博士，教授，主任医师，博士生导师，复旦大学附属华山医院核医学/PET中心副主任，中华医学会核医学分会青年委员会副主任委员，中华医学会核医学分会神经学组副组长，中国医师协会核医学分会委员。专长于神经核医学，尤其是神经退行性疾病PET/MR多模态和多示踪剂联合研究。论著发表于Brain、Movement Disorders、Journal of Nuclear Medicine、European Journal of Nuclear Medicine and Molecular Imaging等国际权威期刊。参与PET脑显像国际专家共识两篇，发表于European Journal of Nuclear Medicine and Molecular Imaging和Phenomics。

通讯作者：刘丰韬

刘丰韬，医学博士，副主任医师。中华医学会核医学分会神经变性病PET显像委员会委员，中国优生科学协会青年委员，中国卒中学会神经调控分会委员。长期从事帕金森病临床和基础研究，主要聚焦神经退行性疾病脑影像研究和神经调控研究。主持国家自然科学基金2项，作为主要联络人参与多项国家自然科学基金委、科技部和上海市科委等帕金森病相关研究。作为第一/通讯作者，近5年共发表高水平研究论文20余篇，包括JAMA Neurology，Movement disorders，Clinical Nuclear Medicine，Human Brain Mapping等。曾获得MDS青年医生travel grants，上海市优秀医师、复旦大学青年五四奖章，全国青年医生DBS程控大赛冠军等荣誉和奖项。

第一作者：鲁佳荧

鲁佳荧，复旦大学附属华山医院影像医学与核医学硕博连读研究生(在读)，瑞士伯尔尼大学联合培养博士生。主要从事神经退行性疾病多维度分子影像学临床研究，在读期间以第一/共同第一作者在Movement disorders, European Journal of Neurology, Therapeutic Advances in Neurological Disorders, Frontiers in Aging Neuroscience等杂志发表研究论文10篇。https://orcid.org/0000-0003-0927-0042

第一作者：王敏

王敏，博士，上海大学生命科学学院博士后，主要研究方向为PET脑影像在AD、PD等神经退化性疾病中的研究，在European Journal of Nuclear Medicine and Molecular Imaging、Quantitative imaging in medicine and surgery、IEEE Journal of Biomedical and Health Informatics等相关顶级学术期刊发表论文16余篇。

Phenomics期刊简介

Phenomics是一本新创的同行评审国际期刊，聚焦表型组学前沿研究，搭建全球表型组学领域专家交流的国际平台，推动该领域相关的理论创新和学科发展。

本期刊拥有强大的国际编委团队，复旦大学金力院士担任主编，美国系统生物学研究所Leroy Hood院士、澳大利亚莫道克大学Jeremy Nicholson院士、德国莱布尼兹环境医学研究所Jean Krutmann院士、复旦大学唐惠儒教授共同担任副主编，复旦大学丁琛教授担任执行主编，另有来自全球多国的三十多位著名科学家共同组成编委团队，以及四十多位青年科学家组成青年编委团队。

我们诚挚地邀请广大科研人员投稿！

Phenomics官网：https://www.springer.com/journal/43657

投稿链接：https://www.editorialmanager.com/pnmc/

编辑部邮箱：phenomics@ihup.org.cn、phenomics@fudan.edu.cn

欢迎关注Phenomics官方公众号

文章来源：人类表型组计划公众号