使用人工智能和T1WI序列上的皮质特征对阿尔茨海默病的早期预测

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 准确预测阿尔茨海默病 (AD) 从轻度认知障碍 (MCI) 的进展对于有效的治疗计划至关重要.
• 早期和精确的MCI到AD过渡的预后仍然是一个重大的临床挑战.

研究的目的:

• 为早期AD预测开发先进的人工智能 (AI) 技术.
• 利用MRI扫描中的皮质特征来提高诊断准确度.

主要方法:

• 利用了阿尔茨海默病神经成像计划 (ADNI) 数据库中的162名MCI患者的T1W MRI图像.
• 使用FreeSurfer提取皮质形态特征,使用GRETNA提取大脑网络特征.
• 开发和评估了多个预测模型,包括一个形态-网络-临床模型,使用多变量Cox比例危险模型.

主要成果:

• 形态学-网络-临床模型实现了最高的预测准确性,在训练集中,一致性指数 (C指数) 为0.951,在验证集中为0.880.
• 建立了一个多预测器名录,证明了对个人AD预测的高准确性.
• 整合形态,网络和临床数据的各种模型显示出强的性能,在验证中超过0.88C指数.

结论:

• 开发的形态 - 网络 - 临床模型和名图能够准确预测AD发病的早期预测.
• 这项技术为早期诊断和个性化治疗策略提供了显著的临床实用性.
• 促进及时的临床决策,潜在地改善患者在AD护理的结果.