基于1?F-FDG PET-CT与机器学习聚类分析揭示肌萎缩侧索硬化的异质性代谢表型及其临床意义

　　本研究针对肌萎缩侧索硬化（ALS）的高度临床病理异质性，通过整合脑1?F-FDG PET-CT代谢成像与共识聚类分析，成功识别出两种不同代谢表型（代谢减弱型与非减弱型）。代谢减弱型患者表现出更差的生存率、躯体功能及心理状态，并结合全外显子测序揭示了表型特异的基因突变与分子通路，为ALS精准分型及个体化治疗提供了新视角。

　　

肌萎缩侧索硬化（Amyotrophic Lateral Sclerosis, ALS）作为一种致命的神经退行性疾病，具有显著的临床病理异质性。为系统解析其代谢表型特征，研究人员对127例ALS患者和128名健康对照者进行前瞻性脑部1?F-氟代脱氧葡萄糖正电子发射断层扫描-计算机断层扫描（1?F-FDG PET-CT）代谢成像，并结合心理量表评估与功能筛查。采用K-means共识聚类算法，成功区分出两种基于葡萄糖代谢模式的表型：代谢减弱型（metabolic attenuation phenotype）和代谢非减弱型（metabolic non-attenuation phenotype）。

分析显示，代谢减弱型与更差的生存预后（p?=?0.022）、较低的躯体功能（p?=?0.005）、更严重的抑郁（p?=?0.026）及焦虑水平（p?=?0.05）显著相关。通过全外显子测序（Whole Exome Sequencing, WES）进一步检测到与各表型相关的基因突变，并借助GO/KEGG通路富集分析与神经影像-转录组关联研究，揭示了表型特异的分子通路机制。

该研究表明，无监督机器学习方法应用于PET影像数据可有效区分ALS的代谢亚型，为理解其异质性病理生理机制提供了新见解，并对未来个体化治疗策略的制定具有重要指导意义。