检查痴呆症的异质性,使用基于数据的认知资料的无监督聚类

科学领域:

• 神经学 神经学
• 老年学是指老年学的学科.
• 数据科学数据科学数据科学

背景情况:

• 痴呆症是一个异质的疾病,症状和进展率各不相同.
• 现有的痴呆症亚型研究往往只关注阿尔茨海默病,使用有限的基线数据,并依赖昂贵的成像生物标志物.
• 需要数据驱动的方法来理解整个认知衰退谱的痴呆症异质性.

研究的目的:

• 用数据驱动的,无监督的集群方法来识别不同的痴呆症亚型.
• 通过分析纵向认知数据,克服先前研究的局限性,避免依赖昂贵的成像.
• 探索已识别的痴呆症亚型与随着时间的推移疾病进展之间的关系.

主要方法:

• 采用数据驱动的无监督集群算法 (SillyPutty) 结合层次集群.
• 利用来自现实世界临床痴呆症队列的纵向认知评估得分.
• 分析了亚型和疾病进展之间的时间关系,超越了横截面数据.

主要成果:

• 在临床队列中确定了不同的痴呆症亚型.
• 非常轻度或轻度痴呆阶段的亚型在认知概况中表现出显著的异质性.
• 这些早期的亚型也显示出疾病进展的各种风险.

结论:

• 使用纵向认知数据进行数据驱动的亚型化可以揭示痴呆症的显著异质性,特别是在早期阶段.
• 与仅限于阿尔茨海默病或横截面数据的研究相比,这种方法提供了对痴呆症异质性的更全面的理解.
• 了解亚型特异性进展对于个性化痴呆症护理和未来研究至关重要.