计算机化决策支持是一种有效的方法,用于为粉样蛋白-PET选择记忆诊所患者
Hanneke F M Rhodius-Meester1,2,3,4, Ingrid S van Maurik1,2,5,6, Lyduine E Collij7
1Alzheimer Center Amsterdam, Neurology, Amsterdam UMC Location VUmc, Vrije Universiteit Amsterdam, Amsterdam, The Netherlands.
PloS one
|May 20, 2024
概括
一种新的计算机化方法有效地选择痴呆症患者进行粉样蛋白-PET扫描,降低成本并提高诊断效用. 这种数据驱动的方法确保了准确的诊断,而不会影响记忆诊所设置中的性能.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 粉样蛋白-PET对于痴呆症诊断至关重要,但成本昂贵且有限.
- 目前的适当使用标准 (AUC) 的敏感性有限,阻碍了临床实践.
- 需要工具来识别那些最能从粉样PET中受益的患者.
研究的目的:
- 开发一个计算机化决策支持系统,用于选择用于粉样蛋白-PET扫描的患者.
- 提高粉胺-PET在痴呆症工作中的临床实用性和成本效益.
主要方法:
- 在286名受试者 (对照组,阿尔茨海默病痴呆症,前叶痴呆症,血管痴呆症) 上使用了监督机器学习方法 (DSI分类器).
- 最初的分类使用神经心理学,APOE和MRI数据.
- 对于不确定的分类,添加了粉样蛋白-PET结果以评估诊断确定性,指导最终分类.
主要成果:
- 计算机化方法在21%的患者中推使用粉胺-PET,在66%的患者中达到足够的诊断确定性.
- 这比没有PET的情景 (54%的确定性),使用AUC (55%的确定性与40%的PET使用) 或使用所有患者的PET (54%的确定性) 更有效.
结论:
- 一种数据驱动的计算机化方法有效地为粉样蛋白-PET选择患者,仅使用21%的扫描,而不会影响诊断准确度.
- 这种方法支持成本效益的实施,并帮助临床医生在痴呆症评估期间平衡订购粉胺-PET的决定.
