在没有痴呆症的人群中,开发和评估用于预测大脑粉样蛋白阳性度的算法

科学领域:

• 神经学 神经学
• 生物标志物 生物标志物
• 医学诊断 医学诊断 医学诊断

背景情况:

• 阿尔茨海默病 (AD) 的特点是,在症状出现多年前,粉样β (Aβ) 的积累.
• 目前的in vivo粉样蛋白量化方法是侵入性的或昂贵的,限制了可访问性.
• 在非痴呆症患者中早期发现粉样蛋白阳性对于及时诊断AD和启动抗粉样蛋白免疫治疗至关重要.

研究的目的:

• 在非痴呆患者中开发和验证用于识别大脑粉样蛋白阳性的预测模型.
• 利用例行收集的临床数据来预测粉样蛋白状况.
• 评估人口统计,认知,血液生物标志物和MRI数据在预测粉样蛋白阳性的有用性.

主要方法:

• 开发了使用混合效应物流回归的预测模型,对来自853名非痴呆参与者的数据进行了分析 (MEMENTO队列).
• 包括人口统计,认知评估,MRI评估 (海马体缩,微型血液),AD血液生物标志物 (Aβ42/40,P-tau181) 和ApoE4状态等预测因素.
• 内部 (交叉验证) 和外部 (阿姆斯特丹痴呆症队列) 验证的模型,评估lecanemab AUR亚样本中的性能.

主要成果:

• 最有效的模型,包括人口统计,认知数据,ApoE状态和血液生物标志物,实现AUC为0.82 (MEMENTO) 和0.90 (外部验证).
• 这种模型显著优于仅使用人口和认知数据的参考模型 (AUC差异为0.10).
• ApoE基因型和MRI标记器没有显著改善模型性能;在没有ApoE基因型定型的情况下实现了类似的性能.

结论:

• 综合人口统计,认知和血液生物标志物数据的预测模型有效地识别了非痴呆症患者的粉样蛋白状况.
• ApoE基因型和脑MRI对于强大的预测能力并非必不可少,这表明ApoE测试可以推迟免疫治疗决策.
• 该模型的临床整合可以减少对腰部穿刺或PET扫描的依赖,以确认粉样蛋白状况.