多様性神経イメージングバイオマーカーと認知テストのスコアを組み合わせて,認知障害の患者を特定する

科学分野:

• 神経学
• バイオマーカー
• 医療用イメージング

背景:

• 軽度の認知障害 (MCI) は認知症の前兆です
• MCIの早期発見は 適切な介入に不可欠です
• MCIのコミュニティベースの識別が必要です.

研究 の 目的:

• MCIの新しい識別モデルを開発し,検証する.
• 神経イメージングバイオマーカーを含む複数の臨床特性を利用する.
• コミュニティに住む人々のモデルパフォーマンスを評価する.

主な方法:

• 148人の高齢者を対象に 横断調査を行った.
• 認知テストとMRIデータを使いました
• 弾性ネットアルゴリズムによるペナライズされたロジスティック回帰を用いたMCI識別モデルを開発した.

主要な成果:

• 参加者の44. 6%がMCIと診断された.
• マルチソースモデルは,ベースライン変数 (AUC 0. 74) を上回るAUC 0. 81を達成しました.
• 神経画像のバイオマーカーと認知スコアは,MCIの検出を大幅に改善しました (p=0. 012).

結論:

• マルチソースの弾性網モデルは,MCIを検出する上で高い性能を示しています.
• マルチモダルの神経イメージングバイオマーカーの組み合わせは,MCIの差別を高めます.
• このアプローチは潜在的認知症予防のための早期発見に役立ちます.