超光谱视网膜成像检测阿尔茨海默病在一个记忆诊所设置中的阿尔茨海默病

科学领域:

• 眼科医生 眼科 眼科
• 神经学 神经学
• 医疗成像医学成像

背景情况:

• 视网膜高光谱成像是一种非侵入性技术,有可能检测出粉样β (Aβ) 沉积物.
• 目前的阿尔茨海默病诊断方法 (脑流动分析,PET扫描) 是侵入性的,昂贵的,并且无法扩展.
• 超光谱成像为早期发现阿尔茨海默病提供了一个可访问的替代方案.

研究的目的:

• 调查视网膜高光谱成像用于在临床记忆诊所队列中识别Aβ阳性患者的潜力.
• 评估机器学习模型在从视网膜高光谱数据中预测Aβ状态方面的有效性.

主要方法:

• 一项前性横截面研究包括来自瑞典记忆诊所的57名患者 (35名Aβ阳性,22名Aβ阴性).
• 从五个解剖学区域捕获了视网膜超谱图像.
• Catboost机器学习模型使用嵌套交叉验证进行训练,以预测Aβ状态.

主要成果:

• 最好的模型,使用Superior 1,Superior 2和Fovea区域,实现AUC为0.77,准确度为0.66,灵敏度为0.73,特异性为0.55.
• 模型性能在交叉验证折叠中是一致的.
• 使用所有五个区域或其他组合导致性能较低,变化更大.

结论:

• 视网膜高光谱成像和Catboost显示出在临床环境中作为阿尔茨海默病检测的非侵入性生物标志物的潜力.
• 需要在更大,更多样化的群体中进一步验证.
• 与其他诊断模式的整合值得探索.