基于CT的轻度认知障碍向痴呆症转化的可扩展预后模型
本研究开发并验证了一种基于CT扫描的机器学习模型,用于预测轻度认知障碍(MCI)患者向痴呆症的转化。通过对791名MCI患者进行分析,该模型结合人口统计学因素、APOE基因型、临床痴呆评定量表总分和CT衍生的W分数(代表区域脑脊液和脑室体积的年龄、性别和模态调整z分数),在交叉验证中达到0.840的曲线下面积(AUC),在独立测试集上达到0.823的AUC。研究发现转化者年龄更大(73.4 vs. 70.7岁)、更常为女性(60.4% vs. 51.4%)且更可能携带APOE ε4等位基因(52.5% vs. 40.0%)。特征选择和SHAP分析确定了六个关键预测因子,包括临床痴呆评定量表总分、APOE ε4、年龄和三个CT衍生的体积指标(左侧下外侧脑室、左侧顶叶脑脊液和左侧枕叶脑脊液的W分数)。研究结果表明,CT衍生的体积分析结合临床和遗传特征,可以实现对MCI患者向痴呆症转化的准确且可解释的预测,为临床风险分层提供了实用工具。

