基于远程的新奇发现模型用于识别患有阿尔茨海默病风险的个体
Hongqin Yang1, Jiangbing Mao1, Qinyong Ye2
1Fujian Provincial Key Laboratory for Photonics Technology, Key Laboratory of OptoElectronic Science and Technology for Medicine of Ministry of Education, Fujian Normal University, Fuzhou, China.
Frontiers in aging neuroscience
|April 30, 2024
概括
新性检测 (ND) 有效地识别了阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 的风险. 使用ND模型和距离到边界策略的新框架有助于早期AD检测和诊断.
科学领域:
- 机器学习 机器学习
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 新闻性检测 (ND),或一个类别的分类,识别了与典型模式的偏差.
- 早期发现阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 对于及时干预至关重要.
- 很少有研究应用ND来区分AD/MCI风险与健康对照 (HC).
研究的目的:
- 开发和验证一种创新的新性检测框架,以识别患有AD和MCI风险的个人.
- 为提高检测准确性提出距离到边界 (DtB) 策略.
- 为非技术利益相关者创建一个用户友好的图形用户界面 (GUI).
主要方法:
- 利用了两个异构的队列:澳大利亚成像生物标志物和生活方式 (AIBL) 和福建医学大学联合医院 (FMUUH).
- 开发可解释的ND模型,仅在HC数据上进行训练.
- 实施了DtB策略和基于Web的GUI进行交互式分析.
主要成果:
- 基于高斯的混合的ND算法在检测AD时取得了高性能.
- 在AUC值达到0.8757 (AIBL) 和0.9443 (FMUUH).
- 观察到高灵敏度 (高达96.79%) 和特异性 (高达90.92%).
结论:
- 拟议的ND框架和DtB战略有效地识别了患有AD和MCI风险的个人.
- 开发的GUI有助于简化MCI和AD的诊断.
- 这种方法为早期AD风险评估提供了一个有希望的工具.
