通过机器学习识别的综合皮质认知特征,可以在2型糖尿病中早期检测MCI

科学领域:

• 神经科学是一个神经科学.
• 内分泌学 在内分泌学.
• 医疗成像医学成像

背景情况:

• 2型糖尿病 (T2DM) 是轻度认知障碍 (MCI) 的重要危险因素.
• 对T2DM患者认知衰退的早期检测生物标志物有限.
• 了解T2DM相关的MCI的神经解剖学和认知相关性对于及时干预至关重要.

研究的目的:

• 确定敏感的神经解剖学和认知标志物,以便在T2DM患者中早期检测MCI.
• 研究皮质结构,认知功能和T2DM状态之间的关系.
• 开发一种多模式方法来区分患有MCI的T2DM患者.

主要方法:

• 150名参与者 (健康对照组,T2DM,MCI的T2DM) 接受了高分辨率的结构性MRI和神经心理测试.
• 进行了血清学分析,以确定潜在的生物标志物.
• 使用随机森林分类器与SHAP (SHapley添加式扩展) 分析来确定特征的重要性.

主要成果:

• 在T2DM和MCI连续体中观察到左侧骨干部分 (LPO) 的渐进性皮质稀薄.
• 在情节性记忆,处理速度,执行功能和口头记忆方面注意到了显著的认知缺陷.
• 结合LPO皮质厚度和执行功能的多式分类器在识别T2DM与MCI时取得了高准确性 (AUC-ROC=0.95).

结论:

• 左侧骨干 (LPO) 是T2DM相关认知障碍的关键神经解剖基质.
• 将结构性MRI (LPO厚度) 与认知评估 (执行功能) 结合起来,为早期检测提供了一个可行的框架.
• 这种多模式的方法为处于危险T2DM患者的预防性干预提供了机会.