基于任务状态前额功能连接的主观认知衰退和轻度认知障碍的查工具:一个功能近红外光谱学研究

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 主观认知衰退 (SCD) 和轻度认知障碍 (MCI) 增加痴呆风险,需要有效的查工具.
• 功能近红外光谱学 (fNIRS) 显示了识别MCI和SCD的潜力.
• 早期发现认知障碍对于及时干预至关重要.

研究的目的:

• 开发使用fNIRS.使用SCD和MCI的早期查方法.
• 在认知任务期间评估前额功能连接 (FC).
• 用机器学习和交叉验证来验证方法.

主要方法:

• 收集了55名正常对照组,80名SCD患者和111名MCI患者的fNIRS数据.
• 分析了群体之间的前额前FC差异.
• 使用机器学习建立基于FC和认知表现的分类模型.

主要成果:

• 观察到与认知能力下降相关的前额前部FC受损的趋势.
• 机器学习模型在区分组中实现了高精度 (例如,MCI与NC的92.0%).
• 对于MCI与NC,最高AUC值达到了97.0%,表明强大的预测能力.

结论:

• 基于fNIRS的查方法显示了早期发现认知障碍的潜力.
• 通过机器学习分析的前额头FC数据可以预测早期的认知衰退.
• 这种方法为识别患痴呆症风险较高的人提供了一个有前途的工具.