摘要
阿尔茨海默病（AD）作为一种导致进行性认知下降的疾病，其早期诊断仍然具有挑战性。近期的信息理论进展使得大脑动态可以通过区域如何共享和组合信息来量化。整合信息分解（ΦID）将冗余信息（存在于多个区域的相同内容）与协同信息（仅当区域被一起考虑时才出现的新内容）区分开来。此类信息动态测量可能提供与AD风险和进展相关的生物标志物。本研究将整合信息分解（ΦID）应用于阿尔茨海默病神经影像倡议（ADNI）的静息态功能性磁共振成像数据，以验证ΦID测量是否具有诊断敏感性并能追踪AD谱系上的认知变化。针对每个脑区，我们计算了总协同性和冗余性，并比较了认知正常（CN）、轻度认知障碍（MCI）和AD组之间的数值差异。与CN相比，AD患者在整个大脑中表现出显著的协同性降低，同时伴随着广泛的冗余性增加，特别是在执行网络和默认模式网络中。从CN到AD的转变过程包括MCI阶段的冗余性中间降低，这可能反映了早期疾病的补偿策略。这种AD特有的信息处理模式——从复杂的高级信息处理向更稳健但低效形式的转变——很可能反映了认知过程向更简单、整合性更低状态的退化。事实上，当根据标准认知临床测试（蒙特利尔认知评估）重新分析数据时，我们发现高表现者与低表现者之间的协同-冗余转变模式与CN到AD的转变高度相似。AD展现出清晰的信息处理特征：全局协同性降低和冗余性增加，尤其在执行控制网络中表现突出。这些显著结果深入揭示了AD中广泛发生的信息处理重组机制，且在较早的MCI阶段已出现明显变化。此外，这些发现为支持阿尔茨海默病的早期诊断和患者分层提供了创新性途径。
利益冲突声明
作者声明无利益冲突。
【全文结束】
