上海大學通信學院蔣皆恢研究團隊聯合復旦大學附屬華山醫院、瑞士伯爾尼大學合作團隊于2020年4月22日在《European Journal of Nuclear Medicine and Molecular Imaging》上在線發表論文“Individual brain metabolic connectome indicator based on Kullback-Leibler Divergence Similarity Estimation predicts progression from mild cognitive impairment to Alzheimer's dementia”。該期刊是核醫學領域最具影響力的頂級學術期刊，在JCR及中科院SCI期刊分區為一區Top，2019年其影響因子達7.182。上海大學為第一單位，上海大學通信學院博士生王敏為第一作者，上海大學蔣皆恢副教授和華山醫院左傳濤教授為共同通信作者。該研究依托上海先進通信與數據科學研究院、上海大學通信學院特種光纖與光接入網重點實驗室、特種光纖和先進通信國際聯合實驗室進行。

阿爾茲海默癥(AD)是引起癡呆最常見的老年退行性疾病，其醫療年花費占國內生產總值的1.47%。由于AD疾病進程不可逆轉，一旦確診絕大多數已至中晚期癡呆。藥物賴以起效的靶細胞都已經凋亡，更無從談藥效。因此早期診斷和干預已成為臨床共識。輕微認知障礙(MCI)為AD癡呆前期，基于MCI臨床基線數據對AD轉化進行預測，具有重要的臨床價值。18F-葡萄糖代謝(FDG)正電子發射斷層掃描成像(Positron Emission Computed Tomography, PET)技術，可在體揭示認知下降過程中的大腦代謝水平變化，但是先前的研究多是基于數值分布的量化分析，而忽視了各神經元之間的代謝相關性，這些代謝相關性可能揭示一些常規指標難以發現的微弱病理生理學變化。因此，蔣皆恢研究團隊提出了一種新的基于KL散度估計的、個體代謝連接組學方法，并用于對MCI向AD轉化預測。基于公共數據庫ADNI數據的研究結果表明，該方法在MCI人群分析中具有較高的有效性、穩定性和特異性。使用該方法構建的腦代謝連接組學預測指標，在510例MCI患者中達到了比傳統方法更高的預測效果。本研究為揭示腦內代謝連接異常提供了新思路。

論文鏈接：

https://link.springer.com/article/10.1007/s00259-020-04814-x