認知症とアルツハイマー病のリスク予測のための統合的な機械学習アプローチ

科学分野:

• 神経科学
• 遺伝学
• コンピュータ生物学

背景:

• アルツハイマー病 (AD) を含む認知症は,早期診断と介入を必要とする世界的な健康問題です.
• 認知機能の低下と独立性の喪失を 管理するための高度な臨床戦略が必要になります

研究 の 目的:

• アルツハイマー病 (AD) と血管性認知症 (VaD) のリスクを予測するための機械学習 (ML) モデルを開発し評価する.
• 健康記録,遺伝情報,ライフスタイルの要因を含む多様なデータソースを統合し,予測の精度を高める.

主な方法:

• 2878人のAD患者と72,366人の対照群の英国バイオバンクデータを利用した.
• 様々なMLアルゴリズムを開発し比較し,CatBoostは優れた性能を示した (ROC-AUC = 0.773).
• ICD-10コード (診断前5年),ApoE-ε4遺伝子型,および予測モデルに変更可能なリスク要因を組み込んだ.

主要な成果:

• CatBoostモデルはROC-AUC 0. 773を達成し,特に女性において有意な予測能力を示した.
• 血管性認知症 (VaD) リスクモデルは,症例数が少ないにもかかわらず,AD特有のモデルを上回りました.
• ApoE-ε4は最も有意な遺伝的予測因子であり,一般的な変種は限られた有用性を示した. 重要な非遺伝的予測因子には併発症,教育,身体活動,食事が含まれています.

結論:

• 様々なデータソースを ML に統合することで 認知症リスクの予測が向上します
• 性別特有のモデル化と 変更可能な要因への注意は 早期のパーソナライズされた 認知症の介入に不可欠です
• 機械学習は 認知症の積極的な管理と パーソナライズされた医療戦略に 有望な道を示しています