摘要：认知下降是早期帕金森病（PD）中一种主要的非运动并发症，但预测其进展仍然具有挑战性。利用新加坡早期帕金森病纵向队列（PALS）193名参与者的数据，我们评估了重复血液生物标志物测量（基线、第3年、第5年）——神经丝轻链（NfL）和总tau蛋白（t-tau）——是否能改善认知下降的预测。认知下降定义为蒙特利尔认知评估评分每年下降一个点或连续两年持续下降。我们对七个特征集应用了三种变量选择方法和五种机器学习模型。总体而言，23%的参与者在五年内经历了认知下降。基于随机森林选择变量训练的XGBoost模型取得了最高性能（AUC=0.806），与仅使用基线数据的模型（AUC=0.560）相比有显著提升。关键预测因素包括舒张压以及t-tau和NfL的汇总统计量。随时间变化的生物标志物比仅使用基线数据更能改善预测，这支持将其与机器学习相结合用于帕金森病的早期认知风险评估。
引言：帕金森病是全球第二常见的神经退行性疾病，影响超过1000万人。随着人口老龄化，其患病率预计到2040年将翻倍，增加医疗系统和照护者的负担。虽然帕金森病主要由运动症状定义，但非运动特征，特别是认知障碍，对发病率有显著贡献。认知下降影响高达80%的患者，其中许多人在诊断后几年内会从轻度认知障碍（PD-MCI）进展为帕金森病痴呆（PDD）。帕金森病的认知缺陷具有严重的临床和社会影响，包括生活质量下降、丧失独立性和更高的机构化率。PDD患者的医疗成本是无痴呆患者的两倍，照护者面临更大的心理和经济压力。由于疾病进展具有异质性，预测认知下降仍然具有挑战性。早期识别高风险患者对于及时干预、咨询和改善临床试验设计至关重要。
目前的预后工具难以预测帕金森病的认知结局。像运动障碍学会统一帕金森病评定量表（MDS-UPDRS）这样的临床量表主要关注运动症状，对认知下降的洞察有限。虽然脑脊液生物标志物和神经影像学提供了一些预后价值，但它们具有侵入性、成本高且不适合常规使用。相比之下，血液生物标志物微创、成本效益高，并且可用于重复评估。轴突损伤标志物神经丝轻链与CSF水平高度相关，并与帕金森病的疾病严重程度和认知下降相关。同样，总tau蛋白和磷酸化tau181（p-tau181）与认知功能障碍有关。先前的研究已报告了在表现出早期认知缺陷的帕金森病患者中血浆NfL和t-tau水平升高，并且血浆α-突触核蛋白、p-tau181和Aβ-40的组合已被提议作为潜在的生物标志物。然而，绝大多数这些研究依赖于横截面数据，限制了其预测能力。纵向生物标志物轨迹，如NfL和t-tau的变化，可能更好地反映疾病进展，但很少有研究评估其在早期帕金森病中的预测效用，或将其与临床数据结合以提高预后准确性。
机器学习（ML）的进步通过能够分析复杂的、高维数据，彻底改变了神经退行性疾病的研究。ML可以检测传统方法常常遗漏的非线性模式和交互作用。先前使用帕金森病进展标记物倡议（PPMI）数据的工作表明，通过纳入多模态数据，包括运动评分、生物样本和患者报告结局，ML模型可以达到预测疾病进展的高精度。然而，ML在利用随时间变化的血液生物标志物预测早期帕金森病认知下降方面的效用仍未得到充分探索。
在我们先前使用基线特征预测早期帕金森病认知下降的工作基础上，我们现在专门研究血浆NfL和t-tau的纵向轨迹是否能改善超出静态基线测量的预后准确性。为了以简洁的方式捕捉其轨迹，尽管重复测量有限，我们使用最小值、最大值、平均值和标准差对其进行汇总。利用新加坡早期帕金森病纵向队列（PALS）的数据，我们应用多种ML算法来模拟五年内的认知下降。我们的目标是：（1）评估纵向生物标志物动态的预测效用，（2）使用先进的特征选择识别关键预测因子，（3）开发一个临床相关的风险预测工具。
结果：基线特征与按结局分层的描述性统计：共纳入193名早期帕金森病参与者。基线时，平均年龄63.8岁，58%为男性，中位教育年限为11年。平均MoCA评分为25.4。疾病严重程度为轻度至中度：62%处于HY 1期，30%处于2期，8%处于3期。五年内，44名参与者（22.8%）经历了认知下降。较高教育年限具有保护作用，而血压升高增加了风险。
特征选择分析：使用三种特征选择方法评估了三十个候选变量。RF方法识别了十二个变量，包括教育年限、卧位和立位DBP，以及NfL和t-tau的四个汇总统计量，以及基线p-tau181水平。ShapleyVIC方法选择了十四个预测因子，包括t-tau、NfL以及基线MoCA评分、高脂血症、咖啡和酒精摄入、卧位和立位DBP、p-tau181和性别。基于XGBoost的方法识别了十一个关键特征，包括NfL和t-tau的全部汇总指标、卧位和立位DBP以及教育年限。值得注意的是，八个变量——t-tau的最小值、最大值、平均值和标准差；NfL的最小值和平均值；以及卧位和立位DBP——在所有三种方法中都被一致选择。
模型性能与ROC分析：ML性能因算法和特征集而异，最重要的发现是使用纵向生物标志物汇总的模型始终优于仅使用基线变量的模型，AUC范围分别为0.640至0.763对比0.465至0.560——这验证了我们的核心假设，即生物标志物动态能比静态测量更好地捕捉疾病进展。模型1和3-7纳入了在基线、第3年和第5年收集的生物标志物测量；因此，这些模型旨在支持随访期间的风险分层，而非严格的基线时间点预测。对于某些参与者的认知下降发生在后期生物标志物收集之前，那些第3年或第5年的值可能反映了与发病同时或紧随其后的生物标志物水平，我们承认这是一个方法论上的局限性。
使用RF选择变量的XGBoost模型（模型4）取得了最高的AUC（0.806）和最佳的整体性能，准确度为0.730，灵敏度为0.875，特异度为0.690，F1评分为0.583，Brier评分为0.140。使用随时间变化的生物标志物汇总的LightGBM模型（模型1）表现良好（AUC=0.763），使用SHAPvIC选择变量的LightGBM和XGBoost模型（模型5）也是如此。这些模型显示出与性能最佳的XGBoost模型相当的灵敏度和特异度，尽管精度和校准度略低。值得注意的是，缩减后的SHAPvIC子集（模型6）仅包含六个变量，在使用XGBoost时取得了最高的特异度（0.862），突显了简约模型在临床预测中的效用。
预测模型的校准：结果显示模型4的校准结果。XGBoost和LightGBM表现出最佳的校准性能，平均绝对误差<0.05，且与45度参考线紧密对齐，表明预测校准良好。RF模型校准尚可，但在较低预测概率区域出现偏差。相比之下，KNN和NN模型校准较差，在高风险个体中低估了风险，在低风险案例中高估了风险。
关键发现总结：在表现最佳的模型（使用RF选择变量的XGBoost模型）中，关键预测因子包括教育年限、卧位和立位DBP、NfL和t-tau的四个汇总统计量（最小值、最大值、平均值、标准差）以及p-tau181水平。SHAP可视化显示，升高且变异性大的t-tau水平强烈影响高风险分类。卧位和立位DBP≥90mmHg也贡献显著。虽然NfL特征与认知下降相关，但它们在三大预测因子中出现的频率较低。总体而言，纳入纵向生物标志物汇总，特别是动态t-tau特征，改善了预测性能，并使得更适合临床应用的简约模型成为可能。
讨论：在这项针对早期帕金森病的前瞻性研究中，我们主要使用基线临床和生物标志物预测因子预测了纵向结局——5年认知下降，仅纳入了有限的重复测量生物标志物数据。具有重复评估的两种血液生物标志物（t-tau和NfL）在三个时间点进行了测量，并使用描述性统计量进行汇总，以提供适合ML的有限纵向信息。因此，本研究中“纵向”一词指的是结局定义和包含汇总的重复生物标志物测量，而非对所有预测因子的全面轨迹建模。
整合这些纵向血液生物标志物汇总显著增强了使用ML进行的认知下降预测，直接解决了当前PD预后工具的局限性。具有RF选择特征的XGBoost模型取得了最佳性能，显著优于仅使用基线数据的模型，验证了我们的假设。该模型还展示了最高的F1评分和最低的Brier评分，反映了平衡的预测能力和良好的校准。虽然模型5取得了更高的特异度，但其与模型4的互补性表明集成策略可能是一个有价值的未来方向。虽然绝对AUC低于我们先前仅使用基线数据的研究，但当前的发现代表了一个更稳健且更具临床转化性的进展。通过纳入纵向生物标志物动态而非仅仅依赖静态基线特征，我们降低了过拟合的风险，并提供了一个更符合现实世界预测和试验富集策略的框架。
虽然整合纵向生物标志物汇总显著提高了预测性能，但我们承认，在模型1和3-7中纳入第3年和第5年的测量可能会捕捉到在这些时间点之前经历认知下降的参与者的并发变化。这可能会将这些模型的解释转向与认知状态的关联，而非纯粹的预测关系。然而，由于队列中仅有22.8%的参与者经历了跨越五年随访期的下降，这种时间重叠可能并不频繁，因为大多数参与者在第3年或之后仍保持认知稳定，这表明大部分生物标志物测量贡献于预测而非并发的关联。仅依赖在随访前收集的基线变量的模型2，通过仅使用下降前的测量确保了真实的预测效度。模型2的中等性能证明了早期风险预测的可行性，而纳入纵向生物标志物的模型表现更佳则突显了捕捉疾病动态的附加价值，但需注意在少数案例中可能存在并发影响。
跨算法来看，t-tau和DBP的动态变化成为最一致的预测因子，为个体患者护理和疗法开发提供了可行的临床见解。t-tau特征的一致识别突显了tau病理在PD相关认知下降中的作用。值得注意的是，t-tau变异性是一个强大的预测因子，表明时间波动可能反映了有意义的生物学过程，如轴突损伤或炎症。通过使用平均值、最小值、最大值和标准差来汇总NfL和t-tau轨迹，我们能够捕捉生物标志物动态的互补方面——整体负担、极端值和变异性——每一个都可能对跟踪疾病进展具有独特的临床意义。
虽然CSF生物标志物信息丰富，但血液检测具有微创性，并且随着Simoa等技术的发展，其可靠性越来越高。我们的结果支持使用系列血浆t-tau作为PD中的预后工具，实现对神经退行性变的纵向监测。t-tau水平升高或波动的患者可能是进一步评估或早期干预的候选者。
NfL作为一种预测性生物标志物的纳入也证实了先前的证据。NfL反映了轴突损伤，并与PD中更快的运动和认知进展相关。然而，在我们的研究中，其预测强度不如t-tau稳健，这表明虽然NfL可能捕捉更广泛的神经退行性过程，但tau特异性机制可能与认知轨迹关系更密切。这些区别在未来的治疗试验中可能很重要，根据生物标志物表型对患者进行分层可能有助于定制干预措施或识别治疗应答者。这些t-tau动态具有直接的临床效用，可以识别可能受益于认知监测或早期干预策略的患者。
除了分子生物标志物，我们的研究还强化了DBP作为认知下降的持续临床预测因子的预后重要性，无论是在卧位还是立位。升高的DBP与两倍风险增加的关联具有显著的临床意义。自主神经功能障碍在PD中很常见，可导致血压模式不稳定，包括卧位高血压和直立性低血压。这些波动可能损害脑自动调节，减少脆弱脑区的灌注，并加速神经退行性变。当前的PD指南侧重于运动症状，但我们的发现支持常规血压监测以识别血管风险并指导早期干预。更广泛地说，虽然PD中当前的预后方法严重依赖于以运动为重点的评估，但我们的血液模型在认知结局方面显著优于典型的临床预测工具。其性能接近侵入性CSF生物标志物，同时提供了显著更高的临床可行性，直接解决了当前PD预后能力的差距。
重要的是，血压是一个可改变的风险因素。对于有高DBP和tau水平波动的患者，可能需要涉及神经内科、心内科和内科的多学科方法。血压的可改变性质提供了直接的干预机会，可以同时降低PD患者的认知下降风险并改善心血管结局。将血管健康纳入PD管理不仅可以降低认知风险，还可以改善这一老龄化人群的心血管结局。
另一个关键发现是教育的保护作用，支持认知储备假说。教育年限≥10年的参与者认知下降的几率比教育程度较低的参与者低58%。虽然教育程度不可回顾性地改变，但可能有助于风险分层。教育程度有限的个体可能受益于更密切的认知监测、有针对性的干预和转诊至神经心理学。这一发现支持风险分层方法，其中教育程度有限的患者接受加强的认知监测和支持服务。他们也可能优先接受新兴的保留认知功能的策略，包括生活方式改变、认知训练和数字疗法。
我们的结果还指出了在临床工作流程中部署基于ML的预测工具的潜在价值。通过整合随时间变化的生物标志物数据、临床测量和人口统计学因素，ML算法可以生成个体化的风险评分，支持早期识别和主动护理。这些工具可以嵌入电子健康记录中，为临床医生提供决策支持，并提高护理交付的一致性。此外，ML驱动的见解可以增强患者与医生之间的沟通，使神经科医生能够更具体地描述预后、支持预先护理计划并定制监测策略。
在临床试验设计中，我们的预测模型解决了PD疗法开发中的关键挑战。当前的认知结局试验受到疾病进展异质性的困扰，需要大样本量和延长的随访期。我们的模型识别出22.8%的早期PD患者为高风险，具有87.5%的灵敏度和80.6%的AUC，可以通过富集策略将所需样本量减少60-70%，同时保持统计效力。这对于新兴的抗tau和抗α-突触核蛋白疗法尤其有价值，在这些疗法中，早期干预和精确的患者选择对于检测治疗效果至关重要。
我们的发现也与更广泛的证据一致，表明混合型病理在PD中很常见，特别是在认知障碍患者中。虽然PD在病理学上由含有α-突触核蛋白的路易小体定义，但许多伴有痴呆的患者在尸检或PET成像中显示出并发的tau和淀粉样蛋白病理。我们研究中观察到的tau动态的重要性支持了这一概念，并可能促使从机制角度来看，血管失调与tau驱动的神经退行性变之间的相互作用尤其值得关注。慢性脑血管功能障碍可能会破坏有毒蛋白的胶淋巴清除，促进血脑屏障破坏，并创造一个有利于tau蛋白聚集的环境。反之，tau病理学可能通过内皮功能障碍或氧化应激加剧血管反应性缺损。这种双向模型表明，靶向这两个通路可能产生协同效益。例如，旨在减少血管僵硬或增强神经血管耦合的干预措施可以补充靶向tau蛋白聚集或磷酸化的疾病修饰疗法。
尽管有上述优势，本研究也存在局限性。我们使用了严格的内部验证，但需要独立队列的外部验证来确认其普适性。PALS队列主要由亚洲人组成，这可能限制了其向其他人群的推广。生物标志物仅在三个时间点测量；更频繁的采样可以增强轨迹分析。为了增强临床可解释性，所有基线连续变量均使用既定的临床阈值或基于ROC曲线的临界点进行了二分处理（如舒张压≥90mmHg）。虽然这种方法与PD的临床实践相契合，其中二元风险类别有助于患者分层和干预决策，但我们承认这可能降低对细微变化的敏感性，并限制变量间交互作用的检测，可能降低统计效力。在未来的研究中，我们计划纳入连续测量或灵活的建模方法，如样条函数或交互项，以便在保持临床适用性的同时更好地捕捉细微的生物标志物动态。
虽然前瞻性设计增强了因果推断，但模型1和3-7中纳入的来自基线、第3年和第5年的时变生物标志物测量可能包含在时间上与某些结果重叠或晚于认知下降发生的数据。这可能会高估预测性能，因为在小部分病例中反映的是测量时与认知状态的关联。然而，由于队列中仅有22.8%的参与者经历了跨越五年随访期的下降，这种时间重叠可能并不频繁，因为大多数参与者在第3年或之后仍保持认知稳定，因此大部分生物标志物测量很可能反映下降前的状态。仅使用基线变量的模型2确保了真实的预测效度。未来研究可通过将纵向生物标志物限制在下降前收集的测量值，或增加生物标志物评估频率，从而提高预测严谨性。
本研究的另一个局限性是使用MoCA作为主要认知结局测量工具。作为一种筛查工具，MoCA旨在检测具有临床意义的显著认知障碍，而非细微的认知变化。虽然MoCA对早期PD常见的执行、视空间和记忆缺陷较敏感，但其简短形式可能降低对细微认知变化的敏感度。为增强对细微认知下降的检测，我们计划在未来的研究中纳入更全面的神经心理学测评，并增加MoCA评估频率，以更好地捕捉纵向趋势。这些补充措施可能进一步完善早期PD的风险分层。
本研究的另一个局限性在于依赖临床标准进行诊断，并未常规使用AD特异性生物标志物。虽然这与PALS队列的非侵入性设计以及早期PD患者基线时较低的痴呆患病率相符，但可能无法完全排除部分参与者的亚临床AD共病。然而，由运动障碍专家进行的严格临床评估，辅以每四个月的频繁随访评估，增强了PD诊断特异性的信心，即使没有淀粉样蛋白生物标志物。
第二个方法论上的局限涉及生物标志物测量与部分参与者认知下降发生时间之间的重叠。对于下降开始较早的个体，部分生物标志物信号可能反映了并发信息而非严格意义上的预测信息，这可能会略微高估预测效能。这凸显了模型2的重要性，因为它排除了随访期间的生物标志物值，从而提供了严格的基线比较基准。
第三个局限是我们没有使用变化率或斜率特征来模拟生物标志物变化，也没有进行完整的轨迹分析。虽然NfL和t-tau在三个时间点收集，但我们的样本量和事件发生率限制了在机器学习框架内构建可靠的基于变化或斜率的预测因子。因此，我们使用描述性统计量对重复的生物标志物值进行了汇总，以降低过拟合风险。未来研究可采用更大的样本和更密集的生物标志物采样，评估纵向变化指标和更精细的轨迹建模方法。
最后，尽管我们专注于可解释的特征并避免了过拟合，但未来研究应评估纳入突触功能障碍、神经炎症或α-突触核蛋白活性生物标志物是否能改善预测。未来研究应优先在多族裔队列中进行验证，整合影像学生物标志物，并开发用于临床的实用风险计算器。我们的发现具有直接的医疗系统影响。鉴于PDD的医疗成本是无痴呆患者的两倍，早期识别出22.8%的最高风险患者可以启用主动干预，可能降低长期护理成本并延迟机构化，将PD护理从被动模式转向预防模式。成本效益分析对于评估广泛开展生物标志物监测的可行性至关重要。随着高灵敏度血液检测变得更为普及，数字健康、云分析和去中心化数据共享的进步将促进其应用。
研究方法：
研究设计、参与者与变量：这项前瞻性观察性研究使用了PALS队列的数据。本研究采用纵向定义的结局，而大多数预测因子在基线时收集。NfL和总t-tau在三个时间点测量，并进行汇总以提供适合机器学习分析的有限重复测量信息。参与者于2014-2018年在新加坡的专科诊所入组，要求在入组后1年内确诊为特发性PD，且症状发生在2年内，由经验丰富的运动障碍神经科医生根据美国国立神经疾病与卒中研究所临床诊断标准确认。为了确保PD相关认知变化的特异性并排除其他类型痴呆，基线时任何形式的痴呆均被排除。研究过程中，参与者每四个月由经过培训的神经科医生进行复查。在招募的214名参与者中，193名完成了基线评估并至少有三年的认知随访，构成了最终的分析队列。本研究符合赫尔辛基宣言的伦理标准，并获得了伦理委员会的批准。
参与者每年接受详细评估，持续五年。使用MoCA测量认知表现。在基线、第3年和第5年收集静脉血样本。使用超灵敏单分子阵列检测法测量NfL和t-tau。对于这些生物标志物，计算了四个汇总特征以捕捉水平和变异性。额外基线生物标志物包括ST2、APOE基因型、p-tau181和α-突触核蛋白基因启动子重复长度。主要结局是认知下降。基线人口统计学特征包括年龄、性别、BMI、教育年限、吸烟史、酒精使用及咖啡和茶的摄入。临床特征包括Hoehn和Yahr分期、MDS-UPDRS第三部分评分、卧位和立位的收缩压和舒张压，以及合并症。
所有连续变量均在必要时使用临床相关阈值进行二分处理。对于没有既定临界值的变量，使用约登指数从ROC曲线推导出最佳阈值。
统计分析：使用基于随机森林的插补方法处理缺失数据。所有预处理步骤均在训练折内严格进行，以防止数据泄漏。使用描述性统计汇总所有变量。使用单变量逻辑回归评估单个预测因子与认知下降之间的关联。对于NfL和t-tau，我们推导出描述性汇总值以捕捉整体水平和变异性。为了识别最具信息量的预测因子，我们应用了三种互补的变量选择方法。首先，使用RF重要性分数按基尼不纯度平均下降排序变量。其次，使用ShapleyVIC方法量化每个变量的贡献。第三，应用基于增益的特征重要性，选择得分高于平均值的变量。这种三角互证方法增强了统计稳健性和方法间的一致性。对于预测建模，我们训练了五种监督式机器学习算法：RF、NN、KNN、XGBoost和LightGBM。每种算法在七个不同的特征集上进行了评估。数据集按80:20随机分割为训练集和测试集。通过五折交叉验证优化超参数。模型性能使用多个指标在保留的测试集上评估。
伦理批准：本研究符合赫尔辛基宣言，并获得了中央机构审查委员会的批准。
数据可用性：研究数据将根据合理请求向通讯作者提供。由于隐私和伦理问题，数据不公开。
【全文结束】