预测阿尔茨海默病和轻度认知障碍患者的认知与功能衰退速率
作者
安提戈涅·福格尔（Antigone Fogel）、克洛伊·沃尔什（Chloe Walsh）、南·弗莱彻-劳埃德（Nan Fletcher-Lloyd）、帕雷什·马尔霍特拉（Paresh Malhotra）、迈纳·赖滕（Mina Ryten）、拉明·尼尔福尚（Ramin Nilforooshan）、佩亚姆·巴尔纳吉（Payam Barnaghi）
摘要
《自然-通讯医学》（伦敦版）2026年2月26日在线发表（提前印刷版）。doi: 10.1038/s43856-026-01432-w。
背景：未来数十年，全球痴呆症患者（PLWD）人口将快速增长，亟需个性化、可推广且可扩展的预后评估与护理规划支持。然而，现有预后指南未能充分捕捉痴呆症进展轨迹的异质性，且当前的痴呆进展预测模型依赖成本高昂且难以获取的数据，在资源受限环境中难以大规模应用。
方法：基于三年间收集的153条12个月临床轨迹数据（含临床评估、人口统计及病史信息），开发了两种机器学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI）患者的12个月认知与功能衰退速率。模型通过ADNI队列的741条轨迹进行外部验证。认知与功能衰退分别通过简易精神状态检查（MMSE）和布里斯托日常生活能力量表（BADL）进行评估。
结果：MMSE预测模型内部验证的平均绝对误差（MAE）为1.84（95%置信区间：1.64-2.04），外部验证误差为2.19；BADL模型的MAE为3.88（95%置信区间：3.46-4.30）。基线期的意念运动能力、定向力和单词回忆能力是认知衰退的最强预测因子，而饮食准备、财务管理和穿衣自理的独立性则是功能衰退的首要预测指标。
结论：本模型仅需常规采集且易获取的数据，具备高转化应用潜力。若投入实践，该可扩展的数据驱动预后支持工具将优化临床工作流程，助力个性化护理规划，并为痴呆症患者及其家庭提供更清晰的预后信息与心理保障。
【全文结束】
