研究结果显示,通过耳垂上斜向深陷的皱褶——即“弗兰克征(Frank's sign)”,可以掌握遗传性脑血管损伤的程度。此前被视为单纯老化现象的弗兰克征,如今首次通过开发可自动检测该征象的人工智能(AI),阐明了其与脑损伤的关联。
盆唐首尔大学医院精神健康医学科教授金基雄团队16日表示,已在全球率先开发出可在3D脑磁共振成像(MRI)中自动检测弗兰克征的AI模型,并确认了其与遗传性脑小血管损伤程度的关联。
弗兰克征是指一侧或双侧耳垂上呈约45°角深陷的斜向皱褶。该名称源自1973年美国医生桑德斯·弗兰克报告称,该征象常见于心绞痛患者。近来有研究结果发布称,其在心肌梗死、脑卒中、血管性痴呆患者中频繁出现,因而作为衡量全身血管状态的辅助指标受到关注。然而,明确的因果关系或发生机制尚未得到证明。由于识别弗兰克征的方法尚未标准化,实际研究者依赖肉眼观察耳部或二维照片,难免掺入主观因素,这也是其局限所在。
脑小血管是密布于脑内的极细小血管,负责向脑深部供应氧气和营养。因尺寸细小而易受损伤,血流障碍会缓慢累积,进而导致脑功能下降。
研究团队注意到,拍摄3D脑MRI时会连同包括双侧耳垂的面部一起成像。团队从脑MRI影像中提取三维面部图像,随后分析耳垂部位,开发出可自动检测弗兰克征的AI模型。团队以盆唐首尔大学医院收集的400例脑MRI为基础,让AI学习由专家逐一区分标注的弗兰克征,随后用未用于学习的盆唐首尔大学医院600例数据完成了第一轮验证。此后又用忠南大学、江原大学、世福兰斯医院三家机构的460例数据完成了第二轮验证。
将AI自动查找并标注的弗兰克征区域与专家手动标注区域相比较,两轮验证中衡量一致程度的DSC(Dice相似系数)值分别为0.734和0.714。这意味着AI找出的区域与专家判断的吻合度在70%以上。反映对弗兰克征有无判别准确度的AUC(分类性能)值均在0.9以上,证明该AI模型能在各类临床现场稳定运行。
研究团队利用该AI模型,针对CADASIL患者分析了弗兰克征与脑白质变性之间的关联。CADASIL是由特定基因突变导致脑小血管先天薄弱的疾病,其特征性表现为围绕脑中心部位的区域受损并变白的脑白质变性。该部位损伤累积、体积越大,脑卒中和痴呆风险越高。将经基因检测确诊的81名CADASIL患者与年龄、性别相匹配的54名普通人相比较,结果显示CADASIL患者组弗兰克征发生率为66.7%,显著高于普通人(42.6%)。在控制年龄等其他因素的分析结果中,也确认CADASIL患者出现弗兰克征的概率比普通人高4.2倍。CADASIL患者中,有弗兰克征的组别脑白质变性体积约为无该征象组别的1.7倍。这为耳垂皱褶并非单纯的老化痕迹,而是与脑小血管损伤程度乃至CADASIL严重程度密切相关提供了证据。
金基雄教授强调:“这项研究为一直备受争议的弗兰克征并非单纯老化指标、而是能客观反映遗传性脑小血管损伤程度提供了科学依据”,“虽然仅凭弗兰克征无法诊断疾病,但若存在其他血管性疾病危险因素,耳垂皱褶可成为额外信号,因此应接受专科医生咨询”。
这些研究由韩国保健福祉部、韩国保健产业振兴院保健医疗技术研究开发事业,以及保健福祉部与韩国科学技术情报通信部痴呆攻克研究开发事业团资助完成。相关成果分别刊载于国际学术期刊《科学报告》和《临床医学杂志》。






