深度学习预测未来认知衰退:基于脑部MRI和临床数据的多模态方法
本研究通过整合脑部3D T1加权MRI扫描与临床及人口统计学特征(包括年龄、性别、体重指数和基线临床痴呆评定量表总和框评分),开发深度学习模型预测两年内认知衰退轨迹。基于ADNI、OASIS-3和NACC三个独立队列2319名参与者的数据,系统比较了混合卷积神经网络与AutoGluon自动机器学习框架的性能,揭示了多模态数据融合在临床协变量解释力强时的局限性及其在特定条件下的价值,为阿尔茨海默病等神经退行性疾病的个性化预后评估和临床试验优化提供了关键方法论指导,对推进智慧医疗决策支持系统具有重要实践意义。

