医研创见 | 精准捕捉「隐形」痴呆——我院神经内二科郭晓敏团队在认知障碍早期无创筛查领域取得显著进展
「医研创见」持续关注我院多学科交叉科研进展，聚焦临床痛点，推动创新成果服务患者。
在人口老龄化背景下，脑血管病所致的认知障碍高发，传统筛查手段存在成本高、主观性强、难以早期识别等局限，缺乏适配大规模人群的无创筛查方案。本期推送神经内二科郭晓敏团队研究成果：团队联合高校研发Cog-EEG诊断系统，依托便携式低密度脑电图，结合源定位与机器学习技术，实现血管性认知障碍早期高精度筛查，准确率达96.7%。该方案无创、客观、成本可控，为基层医疗机构开展认知障碍早期筛查提供了实用技术支撑。
近日，陕西省人民医院神经内二科郭晓敏主任医师团队联合东华大学、西北工业大学等高校，在物联网领域具有权威影响力的顶级期刊《IEEE Internet of Things Journal》（影响因子：8.9）发表题为《Cog-EEG: Early Detection of Cerebrovascular Patients With Cognitive Impairment Using EEG》的原创性研究成果。该研究提出了一种名为“Cog-EEG”的全新诊断系统，利用便携式低密度脑电图（EEG）实现了对血管性认知障碍患者的早期、高精度筛查，诊断准确率高达96.7%。
图1 Cog-EEG处理流程
随着人口老龄化加剧，由脑血管疾病导致的认知障碍已成为老年痴呆的主要原因之一。然而，临床早期诊断面临巨大挑战：传统的核磁共振价格昂贵且往往只能发现晚期结构性病变；而MMSE等量表评估主观性强，易受患者教育程度影响。如何在大规模人群中实现“低成本、高精度、客观化”的早期筛查，是国际神经科学界的难题。
图2 源定位法
图3 基于交叉小波变换（XWT）
构建脑网络功能连接
郭晓敏团队基于临床常规使用的19通道脑电图设备开展研究，避免对高密度EEG系统的依赖，增强了方法在临床场景中的适用性。针对低密度脑电信号空间分辨率有限、源定位困难等问题，团队引入加权最小范数估计（wMNE）源定位方法，将头皮信号映射回大脑皮层及深层脑区。在此基础上，利用交叉小波变换（XWT）刻画不同脑区之间的时频耦合关系，构建功能脑网络，并以XWT得到的功能连接矩阵对脑区间连接强度进行细粒度表征，实现对脑网络“微观失连”特征的量化表达；进一步从功能连接矩阵中提取关键特征，并送入机器学习模型进行建模与分类。
基于78例真实临床受试者的数据验证表明，Cog-EEG系统的分类准确率达到96.7%，显著优于目前国际同类主流算法。该成果标志着我院在神经与工科交叉诊疗领域迈出了坚实一步，为未来在基层医院推广大规模、无创、客观的认知障碍筛查提供了强有力的技术支撑。
据悉，《IEEE Internet of Things Journal》是IEEE主办的物联网领域旗舰期刊。该刊近五年平均影响因子9.6，常年位列JCR Q1区及中科院一区TOP期刊，属于双一区顶级期刊。
该研究得到了陕西省重点研发计划项目（2023-ZDLSF-20）等基金的资助。
作者介绍｜AUTHOR INTRODUCTION
郭晓敏（第一作者）
陕西省人民医院神经内二科主任医师、科室副主任。担任第二届中国研究型医院学会头痛与感觉障碍专业委员会委员、陕西省保健学会神经内科分会副主任委员。
确诊西北五省第一例神经元核内包涵体病，擅长脑小血管病的诊治及预防以及头痛、癫痫、认知功能障碍诊断和治疗。
科研方向：脑电信号处理技术在神经系统疾病中的应用。主持并完成陕西省重点产业创新链项目1项，主持并完成省级课题2项，参与国家级课题2项。发表论文20余篇，代表作《Cog-EEG：Early Detection of Cerebrovascular Patients With Cognitive Impairment Using EEG》(JCR Impact Fctor10.6),陕西省科技进步二等奖1项。
神经内科PI完成多项国际多中心临床试验（覆盖偏头痛急性期治疗、预防、安全性、月经相关亚型等全维度研究）。
好文章，需要你的鼓励
