由磁共振成像驱动的机器学习用于对阿尔茨海默病进展的分类:系统性审查和元分析
Gopi Battineni1,2, Nalini Chintalapudi1, Francesco Amenta1
1Clinical Research, Telemedicine and Telepharmacy Centre, School of Medicinal and Health Products Sciences, University Camerino, Camerino, Italy.
JMIR aging
|December 23, 2024
概括
这项研究使用机器学习来分析阿尔茨海默病 (AD) 在各种认知阶段的患病率. 调查结果显示,阿尔茨海默病患病率存在显著差异,取决于人口统计和设置因素.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 阿尔茨海默病 (AD) 诊断取决于认知障碍的严重程度.
- 目前的理解缺乏AD的特定病因因素.
研究的目的:
- 通过使用机器学习 (ML) 综合评估阿尔茨海默病在不同阶段的患病率.
- 为未来的研究提供有关AD流行模式的见解.
主要方法:
- 按照PRISMA 2020指南进行系统审查和元分析.
- 包括24项相关研究,重点关注AD诊断的ML方法.
- 使用森林地块可视化的流行数据,用于认知障碍的2,3,4和6个阶段.
主要成果:
- 在6个阶段的认知正常 (CN) 和AD的患病率为49.28%.
- 3个阶段 (CN,轻度认知障碍,AD) 的患病率估计为29.75%.
- 4个阶段的分析发现总体患病率为13.13%,而6个阶段显示患病率为23.75%.
结论:
- 阿尔茨海默病患病率估计的显著异质性受人口和环境特征的影响.
- 机器学习有效地描述了在不同认知阶段的AD患病率.
- 这项研究为未来的阿尔茨海默病研究提供了宝贵的前景.
