探索机器学习中神经成像特征在阿尔茨海默病中的特征的重要性,跨越多民族队列

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 阿尔茨海默病 (AD) 影响全球数百万人,目前的机器学习 (ML) 模型往往缺乏通用性,因为主要是非西班牙裔白人 (NHW) 队伍的发展.
• 这限制了ML在AD诊断中的公平应用,包括非洲裔美国人 (AA) 和西班牙裔个人.

研究的目的:

• 评估AD预测准确性的种族差异,并确定非洲裔美国人 (AA),西班牙裔和NHW参与者的关键神经成像生物标志物.
• 评估人口因素如何影响ML模型在预测认知障碍阶段的表现.

主要方法:

• 使用支持向量机分类器对来自多民族队列的多模式神经成像数据 (sMRI,DTI,PET用于粉样蛋白和蛋白) 进行了分类.
• 模型预测了认知不受损 (CU) 与认知受损 (CI) 和轻度认知受损 (MCI) 与认知受损. 患有AD痴呆症,有或没有人口调整.

主要成果:

• 根据种族和疾病阶段,分类表现有显著差异,NHW参与者对CU和CI的总体表现最高.
• 西班牙裔参与者在MCI与MCI相比表现出色. AD预测,而AA参与者显示精度较低,但具有较高的负预测值.
• 特征的重要性各不相同:tau PET在不同组的早期阶段是关键的,但粉样蛋白PET (AA),tau PET (NHW) 和混合生物标志物 (西班牙裔) 对MCI与MCI至关重要. 在AD分类.AD分类.

结论:

• 早期阿尔茨海默病的神经图像签名是跨种族群体共享的,但它们的预测重要性在疾病晚期不同.
• 开发具有种族意识的ML模型对于提高AD预测准确性和确保诊断工具的公平临床翻译至关重要.