在临床前阿尔茨海默氏病中预测疾病过渡时间和风险分层的MRI射线学名图

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 数据科学数据科学数据科学

背景情况:

• 准确预测临床前阿尔茨海默病 (AD) 的进展对于患者的管理和预后至关重要.
• 目前的方法需要加强可靠的风险分层和预测疾病进展时间表.

研究的目的:

• 开发和验证一个综合的临床放射学模型,用于预测临床前AD的进展时间 (TTP).
• 使用一种新型预测模型,对临床前AD患者的疾病风险进行分层.

主要方法:

• 从阿尔茨海默病神经成像计划 (ADNI) 数据库中利用了244个病例,随机分为培训 (n=172) 和验证 (n=72) 队列.
• 从T1加权的MRI扫描 (GM,WM,CSF) 中提取了放射性特征,并使用COX回归和LASSO确定了关键的临床因素.
• 开发并比较了TTP预测的临床,放射学和综合临床放射学名录模型,通过C指数和AUC评估性能.

主要成果:

• 综合的临床放射学模型实现了更高的预测准确性,在培训队列中C指数为0.903,在验证队列中为0.813.
• 综合模型的Nomogram AUC在培训组中达到0.979 (1-7年),在验证组中达到0.931.
• 该模型展示了强大的风险分层能力,通过Kaplan-Meier和ROC曲线分析进行验证.

结论:

• 一个集成的临床放射学模型有效地预测疾病进展,并在临床前阿尔茨海默病中分层风险.
• 这种方法为改善早期AD的临床管理和预后准确性提供了一个有希望的工具.