基于数据的临床决策支持工具用于诊断帕金森病中的轻度认知障碍

基于数据的临床决策支持工具用于诊断帕金森病中的轻度认知障碍Data-driven clinical decision support tool for diagnosing mild cognitive impairment in Parkinson’s disease | npj Parkinson's Disease

环球医讯 / AI与医疗健康来源：www.nature.com卢森堡 - 英语2026-01-13 06:58:18 - 阅读时长2分钟 - 723字

本研究开发了一种基于机器学习的数据驱动临床决策支持工具，用于诊断帕金森病患者的轻度认知障碍。研究团队分析了卢森堡帕金森研究中115名帕金森病患者和226名健康对照者的纵向数据，将人工智能技术与临床评估相结合。结果显示，该数据驱动模型在诊断性能上不劣于临床诊断参考测试（MDS PD-MCI Level II），并成功识别出临床测试未能捕捉到的轻度认知障碍亚组个体。这一突破性发现表明，机器学习模型能够有效补充传统临床评估方法，通过提高轻度认知障碍检测效率并完善帕金森病患者的诊断特征描述，为早期干预提供重要技术支持，有望显著改善帕金森病患者认知功能障碍的临床管理。

加布里埃尔·马丁内斯·蒂拉多、帕特里夏·马丁斯·康德、斯特凡诺·萨皮恩扎、霍尔格·弗勒利希、克莱尔·保莉、瓦莱丽·E·施罗德、索尼娅·约翰斯多蒂尔、奥莱娜·图尔卡连科、雷科·克吕格和约亨·克鲁肯

（代表NCER-PD联盟）

摘要

帕金森病(PD)是一种可能影响运动和认知功能的神经退行性疾病。轻度认知障碍(MCI)是疾病后期进展为痴呆的已知风险因素。由训练有素的专家进行的冗长且耗时的神经心理学评估，常常使MCI诊断在常规护理中不切实际。在此背景下，机器学习(ML)可能为MCI诊断提供有希望的支持。因此，我们分析了来自卢森堡帕金森研究的115名帕金森病患者(PwPD)和226名健康对照参与者的纵向数据，将机器学习与临床数据结合起来，以支持PwPD中的MCI诊断。这种数据驱动模型在性能上不劣于临床诊断参考测试(MDS PD-MCI Level II)，并识别出临床测试未能捕捉到的一组MCI个体。这一发现表明，机器学习模型可以通过促进MCI检测并补充PwPD的诊断特征来补充临床评估。

数据可用性

用于准备本手稿的患者数据来自国家帕金森病研究卓越中心(NCER-PD)。NCER-PD数据集不公开，因为它们与卢森堡帕金森研究及其内部规定相关联。NCER-PD联盟愿意分享其可用数据。其访问政策是基于研究伦理文件制定的，包括经国家伦理委员会(CNER Ref: 201407/13)和数据保护委员会(CNPD Ref: 446/2017)批准的知情同意书。请求访问数据集应通过电子邮件发送至数据和样本访问委员会。