個人化的代謝神經網路分析應用於阿茲海默症之鑑別診斷及病程預測

核醫正子掃描影像之FDG，是目前檢查腦部葡萄糖代謝的主要影像檢查工具，除此之外，近年來在神經影像學上的分析方法之一，是建構腦部的功能網絡，即從整個人腦系統的結構完整性和功能協調性的角度來看大腦功能，這也提供另一種有效分析與診斷方式。大腦神經連結網路(brain connectivity neural network)主要是藉由各腦區的連接與傳遞網路的狀況，研究認知功能變化，藉此探討腦神經退化性疾病的生成機制。本計畫的目的在於利用我們創新發展的個人化功能性連結方法，建構個人化神經影像功能性連結網路分析技術研究平台，從ADNI所下載的FDG 影像，分析不同疾病嚴重度與縱時性代謝神經網路的整體與局部的變化情形，找出AD的鑑別生物標誌，並且利用連結網路以區分不同MCI的差異。根據我們的瞭解，僅透過PET影像建構功能性連結網路，來做為AD以及MCI的鑑別生物標誌，過去在文獻上少有記載。而過去利用功能性連結網路作為鑑別診斷的研究，大多使用fMRI或是配合其他影像，或是利用群組性FDG影像來建構功能性連結網路，因此本研究可將此一分析平台擴展到其他神經影像上。在本計畫中，第一年將開發個人化的代謝腦網路。第二年建立分類的機制的依據。第三年間建立病情變化的預測平台。本研究所提的創新個人化神經網路方法，預期可以作為早期輔助診斷以及將來用於評估MCI轉變成AD的病程預測，提供有效評估與診斷工具，提昇失智症病人的診療效果與生活品質，並可作為研發失智症相關治療的研發平台。

系統編號:PC10907-1549
原計畫編號:MOST109-2314-B182-019-MY3