相关实验视频
Updated: May 1, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.4K
早期识别轻度认知障碍:使用眼部生物标志物的创新模型
Lingjing Zhang1,2, Yanwei Wang3, Yuming Liu4
1School of Medicine, Nankai University, Tianjin, China.
Frontiers in aging neuroscience
|May 7, 2025
概括
这项研究开发了一种新型名录和在线计算器,用于检测与年龄相关的白内障 (ARC) 患者的轻度认知障碍 (MCI). 该模型使用人口统计学和眼部因素进行早期阿尔茨海默病 (AD) 风险评估.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 生物统计学 生物统计学
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,具有昂贵和侵入性的诊断方法.
- 与年龄相关的白内障 (ARC) 与发展AD的风险明显增加有关.
- 早期发现轻度认知障碍 (MCI) 对于管理AD进展至关重要.
研究的目的:
- 建立一种新的预测模型,用于早期检测ARC患者的MCI.
- 开发一个用户友好的在线计算器来评估MCI风险.
- 为了确定MCI预测的关键人口和眼部生物标志物.
主要方法:
- 未来收集170个单眼训练数据和65个外部测试数据.
- 应用最小绝对收缩和选择运算符 (LASSO) 和物流回归来进行变量选择.
- 使用ROC曲线,AUC,灵敏度,特异性和校准图表构建和验证一个名ogram.
主要成果:
- 开发了一种纳米图,包括年龄,教育,透气血压,动脉流量,杯对盘的比率和RNFL厚度.
- 在MCI检测中,该名图实现了0.791 (训练) 和0.750 (外部数据集) 的AUC.
- 该模型通过决策曲线分析 (DCA) 证明了良好的校准和临床实用性.
结论:
- 经过验证的名图和在线计算器可以帮助早期识别ARC患者的MCI.
- 该模型有效地利用人口和眼部生物标志物进行风险预测.
- 该工具提供了一种非侵入性的方法,以支持早期AD诊断和管理.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.4K
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.7K