预测认知功能障碍和区域枢纽使用布拉克分期粉样β生物标志物和机器学习

科学领域:

• 神经科学是一个神经科学.
• 生物标志物 生物标志物
• 人工智能的人工智能

背景情况:

• 轻度认知障碍 (MCI) 是正常衰老和阿尔茨海默病 (AD) 之间的关键阶段.
• 在特定的大脑区域的细胞外粉样β (Aβ) 积累与MCI和AD的认知衰退相关.
• 了解区域Aβ与认知功能之间的联系对于早期AD检测和预防至关重要.

研究的目的:

• 根据区域Aβ生物标志物开发和验证用于预测认知功能障碍的机器学习模型.
• 使用Aβ数据识别与认知障碍相关的主导大脑区域.
• 探索Aβ生物标志物与MCI/AD的认知功能之间的多变量预测关系.

主要方法:

• 支持向量回归 (SVR) 和人工神经网络 (ANN) 模型使用单个Aβ生物标志物和认知测量进行了训练.
• 局部可解释模型-不可知解释 (LIME) 技术与ANN集成,以确定关键的大脑区域.
• 模型的性能在测试组上进行了评估,以仅从Aβ生物标志物预测认知性能.

主要成果:

• 与对照组相比,在MCI患者中观察到Aβ水平升高.
• 在Aβ生物标志物和认知功能之间发现了显著的相关性,特别是在布拉克阶段III-IV和V-VII.
• 通过使用区域Aβ生物标志物,ANN模型显示出强大的认知障碍预测能力.
• 在LIME分析中,确定了副海马回环,下回环和海马,作为认知衰退预测的关键区域.

结论:

• 机器学习,特别是与LIME集成的ANN,为估计Aβ生物标志物的认知障碍提供了一个强大的框架.
• 这项研究突出显示,与Aβ相关的AD病理生理学的关键大脑区域是副海马环,下环和海马环.
• 这种分析方法有助于理解Aβ相关的认知功能障碍,并支持早期AD检测策略.