用基于管道的空间统计数据预测帕金森病的白质生物标志物:基于机器学习的模型
Qi Zhang1,2, Haoran Wang1,2, Yonghong Shi1,2
1Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai, China.
Quantitative imaging in medicine and surgery
|April 15, 2024
概括
通过使用神经成像分析白质病变,可以改善早期帕金森病 (PD) 的检测. 这种方法与临床数据相结合,提高了早期PD预测的诊断准确度.
科学领域:
- 神经成像是一种神经成像.
- 神经学 神经学
- 生物标志物发现发现
背景情况:
- 帕金森病 (PD) 是一种慢性神经退行性疾病.
- 大脑白质 (WM) 病变与PD相关.
- 早期检测WM变化可以帮助及时干预.
研究的目的:
- 在早期帕金森病 (PD) 中调查白质 (WM) 的微观结构变化.
- 利用WM病变开发一种用于早期PD诊断的预测模型.
- 评估将临床因素纳入预测模型的影响.
主要方法:
- 利用了来自帕金森病进展标记计划 (PPMI) 数据库的数据 (152名PD患者,75名对照).
- 通过基于管道的空间统计 (TBSS) 进行了WM的全大脑声素分析.
- 采用最小绝对收缩和选择操作员 (LASSO) 回归和随机森林 (RF) 算法进行分类,并进行5倍交叉验证.
主要成果:
- 患有PD的患者表现出显著降低的分数异性质 (FA) 值,表明WM病变广泛发生.
- 基于WM病变的PD预测模型在测试组中实现了0.783的准确性和0.831的AUC.
- 整合临床因素使该模型的测试组性能提高到0.804准确度和0.844 AUC.
结论:
- 通过TBSS对FA图像上的WM病变的定量分析作为早期PD诊断的神经成像生物标志物.
- 预测模型显示了个体级早期PD检测的潜力.
- 与临床变量集成增强神经成像生物标志物的预测能力.
