2026年阿尔茨海默病协会国际会议（AAIC 2026）汇聚痴呆与认知障碍领域的最新基础研究、临床实践与技术创新成果，围绕生物标志物、神经影像、数字医疗、疾病修饰疗法及公共卫生等多个核心方向，集中展示AD诊疗与科研转化的前沿进展，为全球神经科医师和研究者提供重要的学术交流平台。 在AD临床研究中，数字医疗与人工智能正加速从技术验证迈向实践落地。当前，Tau和淀粉样蛋白PET阳性是AD疾病修饰疗法临床试验的重要入组标准，但预筛选效率低下导致的成本高昂和招募周期延长是行业痛点。本届大会上，一项研究探索了在血浆p‑tau217基础上整合定量MRI与多模态AI预测模型（QyPredict）的价值，旨在优化PET阳性预筛查效率。 Tau和淀粉样蛋白PET阳性常作为AD临床试验的入组标准之一。然而，这一过程成本高昂，患者往往满足试验筛选标准却在PET筛查环节失败，增加了试验的运营负担。这在症状前AD人群中尤为突出，需要筛查大量受试者。本研究评估了在单独血浆p-tau217基础上，增加定量MRI生物标志物（QyScore）和QyPredict能否减少PET确认扫描前的筛选失败率，同时保持对PET阳性的高敏感性并实现更高效的预筛选流程。本研究以Tau PET阳性为建模目标（因单独血液预筛对Tau预测更具挑战性），以建立MRI驱动预测因子的增量价值，并预期对淀粉样蛋白阳性具有可比性的预测表现。 QyPredict基于ADNI中272例AD和MCI患者样本进行训练（平均年龄74.1±8.1岁，45.6%女性，平均MMSE 26.2±3.8）。模型针对预测Tau阳性进行定制，Tau阳性定义为meta-temporal ROI SUVR>1.32（以小脑下部为参考）。比较以下三类模型： （2）QyScore衍生的MRI数据+p-tau217； （3）QyScore衍生的MRI数据+认知评估+APOE4+p-tau217。采用未参与任何模型训练的55-71例AD和MCI患者的独立验证数据集进行模型验证。模型调优至达到100%的敏感性，以消除将真正的Tau阳性患者误标为Tau阴性的风险。最后，模拟了在III期临床试验中使用基于QyPredict的预筛选评估的影响。 与单独使用血浆p-tau217相比，加入QyScore衍生的定量MRI标志物和多模态预测因子后，PET确认扫描前预筛选失败的患者比例降低了34.7%（图1）。与单独使用血浆p‑tau217相比，纳入QyScore衍生的MRI数据的模型特异性提高了2.8-3.7倍（图2）。在模拟基于QyPredict预筛选评估对III期临床试验的影响时，QyPredict可使试验招募持续时间缩短长达11.5个月。
将血液生物标志物与QyScore衍生的MRI数据相结合的QyPredict预筛选策略可减少不必要的PET扫描及相关的筛选失败，从而大幅降低大规模AD临床试验的运营负担。
参考文献：AI + Quantitative MRI Improves PET-positivity Pre-screening: Reducing Unnecessary Tau/Amyloid PET Referral Beyond Blood P-tau217. AAIC 2026. Board No. Sunday-0097.
夜雨聆风
