摘要
引言：脑血管系统的完整性对神经元健康至关重要。脑血管微出血、微梗死和梗死（统称为脑血管疾病负担）会引发中风和认知功能障碍。我们开发并验证了首个名为脑血管疾病负担风险评分（CDBRS）的个体化风险预测模型。
方法：利用AutoScore和AutoScore-Ordinal算法，基于国家阿尔茨海默病协调中心（NACC）数据开发CDBRS模型，并在宗教修会研究与记忆衰老计划（ROSMAP）数据集上进行外部验证。通过受试者操作特征曲线下平均面积（mAUC）、Harrell广义c指数、敏感度和特异度评估CDBRS表现。
结果：CDBRS模型展现出卓越的预测性能，且优于基线模型。在外部验证中仍保持良好的预测效能。
讨论：CDBRS可能帮助识别脑血管微出血、微梗死和梗死高风险人群，从而实现更密切的监测和个性化管理。需在多样化人群中进一步验证CDBRS的有效性。
研究亮点：微出血、微梗死和梗死常先于临床中风和血管性痴呆。我们开发的CDBRS模型是首个可解释的风险分层工具，基于NACC参与者数据开发，在ROSMAP参与者中展现优异预测性能。其稳健的预测表现要求在前瞻性研究中进行临床验证。
关键词：AutoScore算法；脑血管疾病负担；机器学习；风险分层；血管性痴呆
© 2025 作者。《阿尔茨海默病与老年痴呆症》由Wiley Periodicals LLC代表阿尔茨海默协会出版。
【全文结束】