阿尔茨海默氏症亚型 监督,无监督,多模式,多层嵌入式递归 (SUMMER) AI研究

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 遗传学 是一个遗传学.

背景情况:

• 阿尔茨海默病 (AD) 是一个复杂的,异质的疾病,在亚型分类上没有共识.
• 识别不同的AD亚型对于开发有针对性的干预措施和改善患者治疗结果至关重要.

研究的目的:

• 在递归管道 (SUMMER) 中利用互补的AI方法 (监督和无监督学习),以识别强大的阿尔茨海默病亚型.
• 整合多模式数据集,包括MRI,表型和遗传数据,用于全面的亚型分析.

主要方法:

• 利用阿尔茨海默病神经成像计划 (ADNI) 数据库,包括MRI,SNP遗传数据和来自1133名欧洲裔美国参与者的临床信息.
• 将无监督学习应用于MRI灰质数据 (44个ROI),以根据性别识别不同的AD集群.
• 雇员XGBoost监督学习与遗传数据 (SNP) 验证已识别的AD亚型集群,按性别分层.

主要成果:

• 根据MRI数据,针对男性和女性确定了不同的AD亚型集群.
• 监督学习模型以高准确度证实了这些集群的同质性 (男性:0.85,女性:0.81).
• 基因模型在34%的男性和47%的女性中确定了AD亚型;较低的体重与女性亚型有关.

结论:

• 人工智能驱动的多式联络分析成功地确定了不同的阿尔茨海默氏症亚型.
• 提取了歧视性生物标志物 (ROI和SNP),为个性化诊断铺平了道路.
• 这种方法增强了定制治疗的潜力,并改善了阿尔茨海默病等复杂疾病的患者结果.