海马分级为AD轨迹中的患者提供了更高的分类准确性,而不是海马体积

科学领域:

• 在衰老和神经退行性疾病中的神经成像和计算分析.

背景情况:

• 神经退行症的研究往往侧重于衰老和阿尔茨海默病 (AD).
• 测量海马体变化的现有方法,如海马体积,在准确区分疾病阶段方面存在局限性.

研究的目的:

• 评估通过非局部图像补丁估计器 (SNIPE) 评分评分在分类个人不同认知阶段的有效性,包括正常控制 (NC),早期轻度认知障碍 (eMCI),晚期轻度认知障碍 (lMCI) 和AD.
• 将SNIPE分级与SNIPE体积和自由冲浪者体积的分类准确性进行比较,以区分这些群体,特别是在AD轨迹 (粉素阳性) 上的个体中.

主要方法:

• 开发了SNIPE,一种基于非局部补丁的测量,用于解剖相似性和海马体细分,以评估海马体变化.
• 利用了来自阿尔茨海默病神经成像计划 (ADNI) (N=1666) 和粉样蛋白阳性个体子集 (N=834) 的数据.
• 采用了七种机器学习技术,并进行了10倍的交叉验证,以比较SNIPE分级,SNIPE体积和Freesurfer体积用于队列分类.
• 使用澳大利亚成像,生物标志物和生活方式老龄化 (AIBL) 旗舰研究队伍验证了最佳模型.

主要成果:

• 在所有比较中,SNIPE分级在全样和粉样阳性样本中实现了最高的分类准确性.
• 对于正常对照与阿尔茨海默病 (NC:AD) 分类,SNIPE分类的准确率为89% (全样本) 和87% (粉样阳性样本).
• 自由冲浪者体积显示的精度明显较低:65% (全样本) 和46% (粉样本阳性样本).
• 在AIBL验证队列中,SNIPE分级显示NC:AD分类的准确性为90%.

结论:

• 在分类不同认知状态的个体中,SNIPE分级显著优于SNIPE体积和Freesurfer体积,包括在AD轨迹上的个体.
• 研究结果表明,与传统的体积计方法相比,SNIPE分级是识别患有阿尔茨海默症和没有阿尔茨海默症的个体的更准确方法.
• 作为一种准确和早期识别阿尔茨海默病的工具,SNIPE分级具有相当大的前景.