SDG3专题征稿 | 人工智能辅助识别帕金森病的新型多模态成像标记物及其潜在机制

人工智能辅助识别帕金森病的新型多模态成像标记物及其潜在机制

AI-assisted identification of novel multimodal imaging markers and underlying mechanisms in PD

客座编辑：Amgad Droby，以色列特拉维夫大学；Barbara Marebwa，美国迈克尔·J·福克斯基金会；Jayashree Kalpathy-Cramer，美国科罗拉多大学

期刊名称：npj Parkinson's Disease

截止日期：2025.7.13

客座编辑

Amgad Droby，以色列特拉维夫大学

Amgad Droby 博士是以色列特拉维夫大学高级研究科学家兼指定讲师（助理教授），在转化神经科学和神经系统疾病多模态成像领域拥有超过10年的扎实科研经验。同时，他也是跨职能项目和国际团队的合作项目负责人。他的研究主要集中于研究神经退行性疾病的新型早期生物标志物，以及应用多模式成像方法（包括结构和功能磁共振成像（MRI）技术）研究这些个体的神经退行性和代偿过程之间的相互作用。

Barbara Marebwa，美国迈克尔·J·福克斯基金会

Barbara Marebwa 博士是迈克尔·J·福克斯帕金森病研究基金会的资深研究员，负责管理成像验证和优化项目组合。她的工作包括制定和执行策略，以识别、验证和鉴定帕金森病及其他相关突触核蛋白病的成像生物标志物。作为迈克尔·J·福克斯帕金森病研究基金会 (MJFF) 的科学家，她运用自己在人工智能 (AI) 和神经科学方面的专业知识，加速开发针对这种致残性疾病的新疗法和诊断方法。她拥有五年以上开展和管理生物医学成像、认知科学和生物信息学领域前沿研究项目的经验，致力于改善全球健康和福祉。目前，她与由科学家、临床医生和行业合作伙伴组成的多学科团队合作，设计、实施和评估针对帕金森病的创新成像和非侵入性生物标志物解决方案。她还负责监督确保资助项目符合 MJFF 的战略目标和使命。她热衷于推动科学技术的进步，造福帕金森病患者及其家人。

Jayashree Kalpathy-Cramer，美国科罗拉多大学

Kalpathy-Cramer 博士是科罗拉多大学医学院的教授。她的研究领域涉及机器学习、统计学、信息学、图像采集等。同时，Kalpathy-Cramer 博士是科罗拉多大学安舒茨医学院眼科系人工智能部门主任和数据科学特聘教授。她积极参与数据科学活动，重点关注本地、全国和国际的医学成像。她的研究涵盖了从新算法开发到临床部署的各个领域。Kalpathy-Cramer 博士撰写了 200 多篇同行评审的出版物，并撰写了十几个书籍章节。她对人工智能和机器学习在改善美国及全球医疗服务方面的潜力充满热情。

专题征稿

人工智能辅助识别帕金森病的新型多模态成像标记物及其潜在机制

AI-assisted identification of novel multimodal imaging markers and underlying mechanisms in PD

人工智能 (AI) 正在彻底改变帕金森病 (PD) 的神经影像学，为早期诊断、精准预后和个性化治疗监测提供了前所未有的机遇。本特刊旨在展示帕金森病成像领域的前沿 AI 应用，探索这些技术如何改变我们对帕金森病的理解和管理。我们欢迎各领域的投稿，包括：

1.人工智能增强神经影像技术：专注于高级图像采集、重建和分析的文章。其中包括用于 PET/MRI 图像重建的深度学习方法，以检测与帕金森病相关的变化，例如多巴胺能、胆碱能、炎症、线粒体/代谢缺陷。探索对铁和神经黑色素敏感的 MRI 来观察黑质定性变化的研究尤其令人感兴趣。

2.早期检测和鉴别诊断：研究机器学习方法在神经影像数据中识别早期帕金森病生物标志物，人工智能辅助区分前驱帕金森病、健康对照和非典型帕金森病，以及前驱帕金森病的预测模型。

3.疾病进展监测：基于人工智能追踪帕金森病患者脑结构和功能变化的研究。这包括量化分子退化（例如多巴胺转运蛋白随时间推移的损失），以及自动评估帕金森病进展过程中微观结构和网络变化。

4.治疗反应预测：研究基于影像特征预测帕金森病治疗反应的人工智能模型、优化深部脑刺激参数的机器学习算法以及使用神经影像数据的人工智能指导的个性化治疗计划。

5.多模式数据整合：研究将帕金森病的影像学数据与临床、遗传和分子数据相结合的人工智能方法，以及在帕金森病分析中整合结构和功能影像学数据的机器学习模型。

6.临床试验和药物开发中的人工智能：帕金森病临床试验的人工智能成像终点研究，使用神经影像数据进行患者分层的机器学习。

本特刊将重点介绍人工智能如何通过复杂的影像分析提升我们检测、监测和治疗帕金森病的能力。我们鼓励提交能够展示新颖人工智能应用、验证现有方法或就人工智能在帕金森病成像领域面临的挑战和未来方向提供批判性视角的论文。通过汇集这些不同的主题，我们旨在全面概述人工智能在帕金森病神经影像领域的现状和未来潜力。