在神经科学领域，痴呆一直是困扰医学界的难题。额颞叶痴呆（Frontotemporal Dementia，FTD）和阿尔茨海默病（Alzheimer’s Disease，AD）作为常见的痴呆类型，它们的症状存在诸多重叠，给临床诊断、预后判断和干预措施的实施带来了极大挑战。比如，行为变异型额颞叶痴呆（behavioral-variant frontotemporal dementia，bvFTD）和语义痴呆（Semantic Dementia，SD，又称原发性进行性失语的语义变异型）的患者，在症状表现上有时和 AD 极为相似，这就导致很难精准判断患者所患疾病类型，进而影响后续治疗。而且，一些罕见的 FTD 变异型由于现有认知和行为筛查措施不够灵敏，容易被漏诊，进一步加重了这一困境。
为了突破这些难题，来自澳大利亚悉尼的 Frontotemporal Dementia 研究组的研究人员 Xin Zhang、Muireann Irish、Olivier Piguet、Rebekah M. Ahmed 等开展了一项重要研究。该研究成果发表在《Journal of Neurology》上，为深入了解这些痴呆疾病提供了关键线索。
在这项研究中，研究人员运用了多种技术方法。首先，他们从 2010 - 2019 年在澳大利亚悉尼的 Frontotemporal Dementia 研究组招募了典型遗忘型 AD、可能的 bvFTD 和 SD 患者。通过多学科团队，依据当前的共识诊断标准，结合临床评估、神经心理学评估和结构脑 MRI 检查来确定患者的诊断。SD 患者还根据 MRI 上颞叶萎缩的主要侧别进一步分为左优势型（SDL）和右优势型（SDR）。研究过程中，研究人员使用剑桥行为量表修订版（Cambridge Behavioural Inventory Revised，CBI - R）和 Addenbrooke 认知检查第三版（Addenbrooke’s Cognitive Examination third edition，ACE - III）对患者进行评估。数据分析时，运用 IBM SPSS statistics（Version 26.0）软件，通过 Kolmogorov - Smirnov 检验评估数据是否适合参数分析，使用参数 t 检验或非参数 Kruskal - Wallis H 检验比较人口统计学和临床变量，利用线性混合效应模型分析 CBI - R 和 ACE - III 数据。
