休息状態の機能的磁気共鳴画像に基づく複数の学習モデルによるHIV関連神経認知障害の早期診断
Chuanke Hou1, Meng Zhang2, Xingyuan Jiang1
1Department of Radiology, Beijing Youan Hospital, Capital Medical University, Beijing, China.
Quantitative imaging in medicine and surgery
|September 2, 2025
まとめ
この研究では,静止状態のfMRIと放射線学を用いた機械学習モデルを開発し,HIV感染者 (PLWH) の無症状神経認知障害 (ANI) を正確に診断しました. このモデルは,HIV関連神経認知障害 (HAND) の早期の客観的な臨床診断に希望を示しています.
科学分野:
- 神経科学
- 放射線科
- 機械学習
背景:
- HIV感染者 (PLWH) は,HIV関連神経認知障害 (HAND) に敏感である.
- 無症状の神経認知障害 (ANI) はHANDの初期段階であり,適切な介入のための正確な診断方法が必要です.
- 休息状態の機能性磁気共鳴画像 (rs-fMRI) は,微妙な神経学的変化を特定する可能性を秘めています.
研究 の 目的:
- rs-fMRIと放射線学を用いて無症状神経認知障害 (ANI) の診断特性を特定する.
- ANI検出のための機械学習分類モデルを開発し,評価する.
- HANDの早期診断のための信頼性の高い方法を確立する.
主な方法:
- rs- fMRIと放射線特性は,74人のANI患者と,神経認知障害 (PWND) がなかった78人の患者から抽出されました.
- 最小絶対収縮と選択演算子 (LASSO) が特徴の選択に使用されました.
- 5つの機械学習分類器が rs-fMRI,放射学,および組合せモデルを構築するために使用され,性能はAUC,精度,感度,および特異性によって評価されました.
主要な成果:
- rs-fMRI信号値21個と放射線特性を28個選択した.
- 組み合わせられたモデルは例外的な性能を示し,ランダムフォレスト (RF) モデルは検証セットでAUC 0. 902を達成しました.
- 3つの重要な特徴がPWNDとANIを有意に区別し,認知能力と相関しています.
結論:
- RF結合モデルは,臨床環境における客観的なANI診断に高度に正確で信頼性の高い方法を提供します.
- このアプローチは ANI患者の脳の機能障害と病理生理学を特徴づける新しい方法を提供します.
- 将来の研究と臨床的取り組みは,ANIのフロントペリエタルとストライアタム領域に焦点を当てなければならない.
