通过基于静止状态功能磁共振成像的多重学习模型,早期诊断艾滋病毒相关的神经认知障碍
Chuanke Hou1, Meng Zhang2, Xingyuan Jiang1
1Department of Radiology, Beijing Youan Hospital, Capital Medical University, Beijing, China.
Quantitative imaging in medicine and surgery
|September 2, 2025
概括
这项研究开发了一种机器学习模型,使用静止状态fMRI和放射学来准确诊断艾滋病毒感染者无症状神经认知障碍 (ANI). 该模型对早期艾滋病毒相关神经认知障碍 (HAND) 的客观临床诊断具有前景.
科学领域:
- 神经科学
- 放射学
- 机器学习
背景情况:
- 艾滋病毒感染者 (PLWH) 容易发生与艾滋病毒相关的神经认知障碍 (HAND).
- 无症状神经认知障碍 (ANI) 是HAND最早的阶段,需要准确的诊断方法及时进行干预.
- 休息状态功能磁共振成像 (rs-fMRI) 提供了识别微妙神经变化的潜力.
研究的目的:
- 使用 rs-fMRI 和放射学来确定无症状神经认知障碍 (ANI) 的诊断特征.
- 开发和评估用于ANI检测的机器学习分类模型.
- 建立一个可靠的HAND早期诊断方法.
主要方法:
- 从74名艾滋病患者和78名艾滋病毒患者中提取了fMRI和放射性特征,但没有神经认知障碍 (PWND).
- 使用最小绝对收缩和选择运算符 (LASSO) 进行特征选择.
- 使用五个机器学习分类器构建rs-fMRI,放射学和组合模型,通过AUC,精度,灵敏度和特异性评估性能.
主要成果:
- 选择了21个rs-fMRI信号值和28个放射性特征.
- 组合模型显示出异常的性能,随机森林 (RF) 模型在验证组中达到0. 902的AUC.
- 三个关键特征显著区分了ANI与PWND,并与认知表现相关.
结论:
- 射频组合模型为临床环境中的客观ANI诊断提供了高度准确和可靠的方法.
- 这种方法提供了一种新的方法来表征脑功能障碍和 ANI 患者的病理生理学.
- 未来的研究和临床努力应集中在NI的前和条形体区域.
