从多式神经成像数据中预测老年人的认知性能差异

科学领域:

• 神经科学是一个神经科学.
• 认知衰老研究 认知衰老研究
• 医学成像分析 医学成像分析

背景情况:

• 大脑结构和网络架构的差异与老年人认知表现的变化有关.
• 以前使用机器学习 (ML) 的单模式研究在从大脑特征中预测认知变量时产生了混合的结果.
• 脑成像作为认知衰老的生物标志物的潜力需要进一步调查.

研究的目的:

• 评估从健康老年人的神经成像数据预测认知表现的一般有效性.
• 确定多模式信息 (灰色物质体积,功能和结构连接) 是否提高了预测的准确性.
• 检查全球认知的预测差异与不同的认知概况以及各种ML方法之间的差异.

主要方法:

• 利用了来自1000BRAINS研究中的594名健康老年人 (55-85岁) 的数据.
• 检查了基于区域的灰色物质体积 (GMV),静止状态功能连接 (RSFC) 和结构连接 (SC) 的预测潜力,单独和多模式.
• 在不同ML算法,特征集和多式联络整合策略 (连锁与堆叠) 中,与控制混因子 (年龄,教育,性别) 进行并无对比的预测性能.

主要成果:

• 根据解混策略,预测性能有很大差异.
• 在不控制人口统计因素的情况下,在各种ML选择中,认知表现是可预测的,多模式组合比单一模式提供边际改善.
• 最重要的是,在严格的混控制下,所有预测效应都消失了,这突显了分离基于成像的认知生物标志物的挑战.

结论:

• 虽然多模式大脑数据显示了改善认知预测的轻微趋势,但其作为认知衰老生物标志物的实用性是有限的,特别是在考虑到人口因素时.
• 严格控制年龄,教育和性别等混因素显著降低了大脑成像数据对老年人认知表现的预测能力.
• 仅基于当前的神经成像和ML技术开发可靠的认知衰老生物标志物仍然是一个重大挑战.