用FDG-PET成像识别与阿尔茨海默病相关的TDP-43蛋白病变相关的大脑区域:使用惩罚后勤回归分析的预测模型

科学领域:

• 神经成像是一种神经成像.
• 神经病理学神经病理学
• 生物标志物发现发现

背景情况:

• TAR DNA结合蛋白 43 (TDP-43) 蛋白质变异是阿尔茨海默病 (AD) 进展的关键因素.
• 目前对TDP-43病理的诊断仅限于死后解剖.
• 在体内识别TDP-43病理对于理解AD进展和开发向疗法至关重要.

研究的目的:

• 开发和验证使用FDG-PET成像来确定与TDP-43病理相关的大脑区域的预测模型.
• 评估预测模型在不同程度的AD病理学参与者的队列中的准确性.
• 为了确定特定的大脑区域,预测阿尔茨海默病的TDP-43病理.

主要方法:

• 利用惩罚后勤回归来分析294名参与者的123个大脑区域和年龄的FDG-PET标准吸收值比率 (SUVR).
• 将数据分为培训 (90%) 和测试 (10%) 集,用于模型开发和验证.
• 鉴定了TDP-43病理学的显著预测因子,这些预测因子基于在最佳的lambda时的非零系数.

主要成果:

• 预测模型在整体队列 (n=294) 中实现了68%的准确性 (AUC=0.70),突出显示了中部状回路,副状回路和海马.
• 在一个布拉克和塔尔阶段≥4 (n=159) 的参与者的子集中,该模型实现了65%的准确性 (AUC=0.71).
• 亚组中的关键预测因素包括中枢桃体和前中心,表明与TDP-43病理学的特定区域关联.

结论:

• 在体内,FDG-PET成像显示了适度的预测准确性,用于识别与阿尔茨海默病相关的TDP-43蛋白质病变相关的大脑区域.
• 这些发现表明,FDG-PET上的特定低代谢模式可能作为TDP-43病理学的成像生物标志物.
• 需要进一步的研究来完善该模型,并探索其在诊断和监测AD进展方面的临床实用性.