性别特定的成像生物标志物用于帕金森病诊断:一种机器学习分析
Yifeng Yang1,2, Liangyun Hu3, Yang Chen1
1School of Health Science and Engineering, University of Shanghai for Science and Technology, No. 516 Military 21 Road, Yangpu District, Shanghai, 200093, People's Republic of China.
Journal of imaging informatics in medicine
|September 10, 2024
概括
这项研究表明,特定于性别的机器学习模型使用MRI数据提高了帕金森病 (PD) 诊断的准确性. 识别男性和女性不同的成像生物标志物可以提高早期检测和个性化治疗策略.
科学领域:
- 神经成像是一种神经成像.
- 神经学 神经学
- 机器学习 机器学习
背景情况:
- 由于人口异质性,帕金森病 (PD) 诊断往往缺乏准确性.
- 现有的诊断模型可能无法完全捕捉PD的性别特异性变化.
- 识别特定于性别的成像生物标志物对于个性化医学至关重要.
研究的目的:
- 使用MRI识别帕金森病 (PD) 的性别特异的神经成像生物标志物.
- 开发和验证PD诊断的机器学习模型,按性别分层.
- 将特定性别模型的诊断性能与一般模型进行比较.
主要方法:
- 利用磁共振成像 (MRI) 来从男性和女性PD患者子组中提取形态特征.
- 在每个性别子组内采用集体拉索 (EnLasso) 方法进行特征选择.
- 培训和验证了包括多层感知器 (MLP) 在内的八个分类器,以评估PD识别准确性.
主要成果:
- 性别特定的MLP模型比一般模型 (86.88%) 获得更高的准确性 (女性为92.83%,男性为92.11%).
- 确定了明显的歧视性特征:男性的lh 6r (FD) 和女性的lh PreS (GI).
- 与女性子组相比,男性子组显示出更多的大脑区域变化.
结论:
- 性别特定的诊断模型显著提高了PD分类性能.
- 对于男性和女性的PD存在不同的成像生物标志物,突出显示基于性别的表型差异.
- 按性别分层的PD数据对于开发精确,个性化的诊断和治疗策略至关重要.
