机器学习结合经颅磁刺激在阿尔茨海默病中的应用进展2026.docxVIP

机器学习结合经颅磁刺激在阿尔茨海默病中的应用进展2026

阿尔茨海默病(Alzheimersdisease，AD)是一种以进行性认知功能减退和记忆力下降为主要特征的神经退行性疾病，其发病机制复杂、临床表现异质性高，给疾病的早期诊断和个性化干预带来诸多挑战[1]。既往研究显示，经颅磁刺激(transcranialmagneticstimulation，TMS)作为一种非侵入性的多功能脑刺激技术，能够通过靶向调控关键脑区及功能网络，在一定程度上改善AD患者的认知功能[2-4]。因此，基于TMS评估的皮质兴奋性和可塑性指标有望成为识别AD和轻度认知障碍(mildcognitiveimpairment，MCI)的生物标志物。然而，TMS在AD应用中面临着诸多难题，如TMS干预效果在不同个体间差异较大，靶点选择、参数设定以及疗效评估仍缺乏统一可靠的标准等。

机器学习(machinelearning，ML)因其强大的数据分析能力和预测性能为解决TMS在AD应用中面临的难题带来了新契机[5]。在高维多模态复杂数据解析、疾病风险识别，以及协助临床医生完成神经退行性疾病的全周期管理(预防－诊断－治疗－预后评估)方面，ML已展现出不可忽视的应用潜力[6-7]。通过对影像、电生理及临床特征等多模态数据的整合分析，ML有望辅助TMS实现对AD的早期诊断、鉴别以及疗效评估。基于此，本文就ML联合