MRI 与临床指标在预测阿尔茨海默病神经病理学变化中的强大作用：提前数年精准预测 AD 病变

为解决利用 MRI 和临床数据预测阿尔茨海默病（AD）病理的缺口问题，研究人员开展了整合血管（白质高信号，WMHs）、脑结构（灰质，GM）变化与临床因素（认知评分）预测死后神经病理学的研究。结果显示可提前 14 年以近 90% 准确率预测，这表明 MRI 特征对提前预测 AD 相关病理很关键。

　　预测阿尔茨海默病（AD）在临床诊断前的病理情况，对于识别有患 AD 痴呆高风险的个体十分重要。然而，在利用磁共振成像（Magnetic Resonance Imaging，MRI）和临床数据预测 AD 病理方面仍存在差距。本研究探索了一种新颖的机器学习方法，该方法将血管（白质高信号^WMHs）和脑结构变化（灰质^GM）与临床因素（认知评分）相结合，来预测死后神经病理学情况。研究纳入了阿尔茨海默病神经影像倡议数据集（Alzheimer's Disease Neuroimaging Initiative dataset，ADNI）和美国国家阿尔茨海默病协调中心（National Alzheimer's Coordinating Center，NACC）中既有死后神经病理学数据，又有生前 MRI 和临床数据的参与者。机器学习模型用于对前七位 MRI、临床和人口统计学数据进行特征选择，以确定能预测死后神经病理学结果（即神经原纤维缠结、神经炎斑块、弥漫性斑块、老年 / 淀粉样斑块和淀粉样血管病）的最佳变量组合。随后，在 NACC 中对 ADNI 中表现最佳的神经病理学预测因子进行验证，以比较结果并确保特征选择过程不会导致过拟合。在 ADNI 中，表现最佳的模型包含总白质高信号和颞叶白质高信号，在对神经炎斑块的交叉验证中，相关系数^r = 0.87（均方根误差^RMSE = 0.62 ）。总体而言，死后神经病理学结果能在死亡前长达 14 年以高精度（约 90%）进行预测。在 NACC 数据集中也观察到了类似结果。这些发现突出了 MRI 特征对于提前数年成功预测 AD 相关病理至关重要。