用于识别脑病症的方法和系统技术方案

本发明专利技术提供了用于确定脑组织是否指示诸如神经变性病症等病症的方法和系统。该方法和系统通常利用数据处理技术来评估从磁共振成像(MRI)数据获得的测量参数与从脑组织的计算建模获得的模拟参数之间的一致性水平。

【技术实现步骤摘要】
【国外来华专利技术】用于识别脑病症的方法和系统交叉引用本申请要求于2016年12月6日提交的美国临时专利申请序列号62/430,351和于2017年4月5日提交的美国临时专利申请序列号62/481,839的权益，这些申请各自为了所有目的通过引用整体并入本文。
技术介绍
导致痴呆的神经变性疾病是巨大的社会负担，目前在美国国内影响着900万人，而在全世界影响着4700万人。当前无法有效地预防、诊断和对抗神经变性，这导致了惊人的直接成本和间接成本。阿尔茨海默病(AD)是痴呆的最常见原因，仅在美国就有超过500万的病患，并在美国成为导致死亡的第六大病因。AD在每年需要估计180亿小时的无偿护理，并且需要远超过2500亿美元的医疗成本。预计到2050年，该疾病的患病率在美国国内会逐步增加至近1400万人，而在全世界会逐步增加至1.35亿人，目前尚无法治愈。迫切需要在诊断、预防、治疗和最终治愈方面取得技术进步，这些技术进步将各自对群体产生深远的有益影响。当前的临床评价通常包括非侵入性脑成像，借助磁共振成像(MRI)、正电子发射断层扫描(PET)，或者提供对组织体积变化、化学组成、皮质代谢率、与组织细胞构成和疾病生物标志物相关的变化以及归因于神经变性疾病的结构异常的深刻理解的其他先进成像策略。为了辅助AD诊断和非阿尔茨海默痴呆的鉴别诊断，氟脱氧葡萄糖(FDG)PET和淀粉样蛋白PET分别揭示了灰质中的大脑皮质代谢和β淀粉样蛋白沉积的AD相关模式。类似地，tauPET揭示了脑中的神经原纤维缠结。然而，由于缺乏在分析技术方面的进步，这些成像技术对神经变性疾病的有效使用仅限于晚期阶段，在此阶段存在相当大的组织损伤以及认知异常或其他临床异常。随着我们加深对AD相关异常的多重性的理解，越来越多的证据表明持续靶向这些淀粉样蛋白斑和神经原纤维缠结可能仅仅是对晚期症状而非潜在病因的治疗。无法有效检测AD早期阶段妨碍了在症状发生前进行干预，并且掩盖了候选药物的潜在有益作用。神经变性过程暗示着脑中信号传导神经细胞的死亡，尽管这可能仅仅是脑组织内一连串变性的最终结果。组织的结构完整性是神经元维持和存活以及清除分子废物所必需的，该分子废物必须从脑中去除以维持神经组织稳态和有效运行。脑的非细胞组分的改变与变性过程相关联，并且可能是丧失神经细胞功能的前兆。已经表明，对神经组织稳态的适当调节对于消除有毒残留物堆积是必要的，该调节过程在AD脑中可以有所改变。然而，对脑结构所含物及其对脑间质中分子转运的影响的理解仍然有限。目前，脑MRI的临床使用和诊断能力仍然仅限于在症状表现后的鉴别诊断，这主要是由于固有的低空间分辨率(MRI图像体素为mm尺度)，而导致组织变性的结构变化起源于亚微米级。FDG、淀粉样蛋白和tauPET扫描受到类似的限制。
技术实现思路
本文认识到需要允许早期检测阿尔茨海默病和其他神经变性病症的手段，其包括可以利用由低分辨率磁共振成像(MRI)扫描来检测脑组织中的微小变化的方法的手段。这类方法可以利用对脑组织显微结构的更深入理解，从而在严重组织损伤不可逆地阻碍健康认知功能之前很久，由MRI扫描更可靠地预测和解释脑健康。本文提供了图像分析平台，其可检测并量化标准临床脑MRI中的每一体素中的脑组织异常(如神经变性)。该平台可提供关于显微水平下的脑组织健康的详细信息以及由此观察到的目前在神经影像/脑诊断领域中缺失的病理参与模式。由此，可以在晚期症状发作之前诊断出或以其他方式识别出那些在目前很晚诊断出(即，在晚期症状阶段)的复杂脑疾病如阿尔茨海默病。该平台可允许用于临床试验的新候选药物的早期检验，该检验在先前由于患者选择不佳、晚期干预和过高试验成本而失败。使用该平台可以显著改善所有这些因素。本文提供了用于确定脑组织是否指示病症如神经变性病症的方法和系统。该方法和系统可以允许比使用先前的方法和系统可能获得的诊断更早期地(例如在与使用先前的方法和系统可检测的病症相关的症状发展之前许多年)对脑病症进行早期诊断。如通过本文所述的各种标准所测量的，该方法和系统可以提供诊断脑病症方面的高准确度(如大于90％的准确度)。本公开内容的方法和系统可利用数据处理技术来评估由磁共振成像(MRI)数据获得的测量参数与由脑组织的计算建模获得的模拟参数之间的一致性水平。该方法和系统通常通过确定该MRI数据的一个或多个体素的一个或多个测量参数与一个或多个模拟参数之间的一致性水平来操作。该模拟参数由多个显微结构模型获得。该多个显微结构模型中的每个显微结构模型通过使不指示病症的显微结构模型经受一系列显微结构扰动而获得。在评估一个或多个测量的参数与该多个显微结构模型中的若干显微结构模型的一个或多个模拟的参数之间的一致性水平之后，选择出满足阈值一致性的诊断显微结构模型。该诊断显微结构模型用于确定与该体素相关的脑组织的病症状态。该方法和系统可应用于MRI数据的多个体素，使得针对该多个体素中的每个体素确定一致性水平。以这种方式可确定针对该多个体素中的每个体素的诊断模型和病症状态。该方法和系统可应用于确定位于脑的特定区域内、全脑内或来自多个受试者的多个脑中的多个体素的诊断模型和病症状态。在一个方面，用于确定受试者的脑中的脑组织的病症状态的方法可包括：(a)获得包括脑的至少一个磁共振成像(MRI)图像的MRI数据，该MRI图像包括多个体素，该多个体素中的体素与该受试者的脑的脑组织相关，并且包括MRI数据中的一个或多个测量的MRI参数；(b)对于该多个体素中的体素，使用一个或多个计算机处理器，利用该体素的一个或多个模拟的MRI参数来处理一个或多个测量的MRI参数，该一个或多个模拟的MRI参数由该体素的一个或多个显微结构模型生成；(c)对于该多个体素中的体素，从一个或多个显微结构模型中选择诊断模型，该诊断模型满足一个或多个测量的MRI参数和与该诊断模型相关的一个或多个模拟的MRI参数之间的阈值一致性；以及(d)对于该多个体素中的体素，使用该诊断模型来确定与该体素相关的脑组织的病症状态。每个体素可包括多个测量的MRI参数。该一个或多个测量的MRI参数可以是多个测量的MRI参数。该一个或多个模拟的MRI参数可以是多个模拟的MRI参数。该方法可进一步包括针对该多个体素中的另外的体素重复(b)-(d)一次或多次。该方法可进一步包括针对该多个体素中的所有其他体素重复(b)-(d)。该方法可进一步包括针对与脑的指定区域相关的所有体素重复(b)-(d)。该方法可进一步包括针对与脑的整体相关的所有体素重复(b)-(d)。该方法可进一步包括针对多个MRI图像重复(a)-(d)，该多个MRI图像中的每个MRI图像与选自多个脑的脑相关，该多个脑中的每个脑与选自多个受试者的受试者相关。该MRI图像可选自：纵向弛豫时间(T1)-加权MRI图像、横向弛豫时间(T2)-加权MRI图像和扩散-加权MRI图像。该测量的MRI参数可选自：纵向弛豫时间(T1)、横向弛豫时间(T2)和扩散系数。该模拟的MRI参数可选自：纵向弛豫时间(T1)、横向弛豫时间(T2)和扩散系数。该一个或多个显微结构模型可包括关于选自下组的参数的信息：细胞内所含物、细胞外所含物、胞间隙内的细胞外所含物分布、细胞内间隙内的细胞内所含物分布和组织几何结构。该一个或多个显微本文档来自技高网...

【技术保护点】
1.一种用于确定受试者的脑中的脑组织的病症状态的方法，其包括：(a)获得包括所述脑的至少一个磁共振成像(MRI)图像的MRI数据，所述MRI图像包括多个体素，所述多个体素中的体素与所述受试者的脑的脑组织相关，并且包括所述MRI数据中的一个或多个测量的MRI参数；(b)对于所述多个体素中的所述体素，使用一个或多个计算机处理器，利用所述体素的一个或多个模拟的MRI参数来处理所述一个或多个测量的MRI参数，所述一个或多个模拟的MRI参数由所述体素的一个或多个显微结构模型生成；(c)对于所述多个体素中的所述体素，从所述一个或多个显微结构模型中选择诊断模型，所述诊断模型满足所述一个或多个测量的MRI参数和与所述诊断模型相关的所述一个或多个模拟的MRI参数之间的阈值一致性；以及(d)对于所述多个体素中的所述体素，使用所述诊断模型来确定与所述体素相关的所述脑组织的病症状态。

【技术特征摘要】
【国外来华专利技术】2016.12.06 US 62/430,351;2017.04.05 US 62/481,8391.一种用于确定受试者的脑中的脑组织的病症状态的方法，其包括：(a)获得包括所述脑的至少一个磁共振成像(MRI)图像的MRI数据，所述MRI图像包括多个体素，所述多个体素中的体素与所述受试者的脑的脑组织相关，并且包括所述MRI数据中的一个或多个测量的MRI参数；(b)对于所述多个体素中的所述体素，使用一个或多个计算机处理器，利用所述体素的一个或多个模拟的MRI参数来处理所述一个或多个测量的MRI参数，所述一个或多个模拟的MRI参数由所述体素的一个或多个显微结构模型生成；(c)对于所述多个体素中的所述体素，从所述一个或多个显微结构模型中选择诊断模型，所述诊断模型满足所述一个或多个测量的MRI参数和与所述诊断模型相关的所述一个或多个模拟的MRI参数之间的阈值一致性；以及(d)对于所述多个体素中的所述体素，使用所述诊断模型来确定与所述体素相关的所述脑组织的病症状态。2.根据权利要求1所述的方法，其中每个体素包括多个测量的MRI参数。3.根据权利要求2所述的方法，其中所述一个或多个测量的MRI参数为多个测量的MRI参数。4.根据权利要求3所述的方法，其中所述一个或多个模拟的MRI参数为多个模拟的MRI参数。5.根据权利要求4所述的方法，进一步包括针对所述多个体素中的另外的体素重复(b)-(d)一次或多次。6.根据权利要求5所述的方法，进一步包括针对所述多个体素中的所有其他体素重复(b)-(d)。7.根据权利要求5所述的方法，进一步包括针对与所述脑的指定区域相关的所有体素重复(b)-(d)。8.根据权利要求5所述的方法，进一步包括针对与所述脑的整体相关的所有体素重复(b)-(d)。9.根据权利要求5所述的方法，进一步包括针对多个MRI图像重复(a)-(d)，所述多个MRI图像中的每个MRI图像与选自多个脑的脑相关，所述多个脑中的每个脑与选自多个受试者的受试者相关。10.根据权利要求6-9中任一项所述的方法，其中所述MRI图像选自：纵向弛豫时间(T1)-加权MRI图像、横向弛豫时间(T2)-加权MRI图像和扩散-加权MRI图像。11.根据权利要求10所述的方法，其中所述测量的MRI参数选自：纵向弛豫时间(T1)、横向弛豫时间(T2)和扩散系数。12.根据权利要求11所述的方法，其中所述模拟的MRI参数选自：纵向弛豫时间(T1)、横向弛豫时间(T2)和扩散系数。13.根据权利要求12所述的方法，其中所述一个或多个显微结构模型包括关于选自下组的参数的信息：细胞内所含物、细胞外所含物、胞间隙内的细胞外所含物分布、细胞内间隙内的细胞内所含物分布和组织几何结构。14.根据权利要求13所述的方法，其中所述一个或多个显微结构模型包括选自下组的参数的测量值或预测值：细胞密度、细胞形状、细胞几何结构、细胞大小、细胞分布、细胞间隙、细胞外基质同质性、间质迂曲度、水与蛋白质的比例、水与脂质的比例、水与碳水化合物的比例、蛋白质与脂质的比例、蛋白质与碳水化合物的比例以及脂质与碳水化合物的比例。15.根据权利要求14所述的方法，其中所述一个或多个显微结构模型选自显微结构模型库。16.根据权利要求15所述的方法，其中所述显微结构模型库包括至少100个显微结构模型。17.根据权利要求16所述的方法，其中所述显微结构模型库通过以下构建：(a)创建对应于与病症不相关的脑状态的第一显微结构模型；以及(b)使所述第一显微结构模型迭代地经受扰动，每次迭代产生另外的扰动显微结构模型。18.根据权利要求17所述的方法，其中(b)包括使所述第一显微结构模型经受至少100次迭代以生成至少100个扰动显微结构模型。19.根据权利要求18所述的方法，其中基于与所述体素相关的所述脑...

【专利技术属性】
技术研发人员：帕迪德·卡迈利扎尔，卡韦赫·韦达尼，托马斯·利布曼，H·埃斯范德亚珀，
申请(专利权)人：达米雅恩公司，
类型：发明
国别省市：美国,US