这项突破性研究由马德里大学神经科学研究所与圣地亚哥·孔波斯特拉大学合作完成，核心成果是开发出名为"ALZ-Deep"的深度学习模型。该系统通过分析正电子发射断层扫描(PET)影像中的β淀粉样蛋白斑块沉积模式，可在临床症状出现前6年预判阿尔茨海默病风险。
技术实现层面：
- 研究团队构建了包含12,000例PET影像的多中心数据库，涵盖正常认知、轻度认知障碍和确诊患者三个群体
- 采用三维卷积神经网络架构，重点训练模型识别前扣带回、楔前叶等关键脑区的异常代谢模式
- 独创性地引入迁移学习技术，使模型能够适应不同品牌CT设备的影像差异
在圣卡洛斯临床医院开展的验证测试中，该系统对600例受试者的预测准确率达到89%，显著高于传统临床评估的54%。更值得注意的是，在36个月的随访期内，模型对轻度认知障碍进展为阿尔茨海默病的预测灵敏度达到92%。
专家评价：
- "这项技术解决了阿尔茨海默病防治的关键瓶颈"，西班牙神经病学学会主席Miguel Ángel López指出
- "通过AI量化分析取代主观判断，使早期干预窗口期延长了3-5年"，参与欧盟脑计划的García教授补充道
研究团队计划于2026年在圣塞巴斯蒂安大学医院启动多模态应用测试，将PET数据与脑脊液生物标志物、基因检测等信息进行整合分析。项目负责人表示，预计到2027年可形成完整的临床决策支持系统。
【全文结束】