基于NACC与ROSMAP数据集开发的老年人群脑血管疾病负担风险预测模型（CDBRS）的构建与验证

本研究创新性地利用AutoScore算法开发了首个可量化评估老年人群脑血管微出血、微梗死及梗死负担风险的预测模型（CDBRS）。通过美国国家阿尔茨海默病协调中心（NACC）和宗教 orders 研究（ROSMAP）数据集验证，该模型展现出优异的判别性能（mAUC 0.73，c-index 0.72），为早期识别高风险个体、指导个性化干预提供了循证工具。

　　

1 背景

全球老龄化加剧使得脑血管系统完整性维护成为重大挑战。小血管病（SVD）引发的微出血、微梗死和脑梗死（统称脑血管疾病负担）是卒中及血管性认知障碍的前驱病变。目前临床缺乏针对这类亚临床病变的预测工具，本研究旨在开发首个基于机器学习的脑血管疾病负担风险评分（CDBRS），通过量化风险实现早期干预。

2 方法

研究采用美国国家阿尔茨海默病协调中心（NACC）3,815例和宗教 orders 研究（ROSMAP）877例老年受试者数据。通过AutoScore-Ordinal算法构建CDBRS-3（低/中/高风险三级分层）和CDBRS-2（二元分类）模型。特征选择采用随机森林重要性分析（阈值>5），最终保留年龄、BMI、收缩压等8项核心指标。模型性能通过mAUC、Harrell's c-index等指标评估，并与比例优势模型（POM）基线对比。

3 结果

3.1 关键预测特征

年龄（贡献分26-32分）、动脉硬化程度（重度26分）、BMI（肥胖14分）构成主要风险要素。收缩压≥150mmHg（6分）和心率≥100次/分（10分）显著增加风险。值得注意的是，波士顿命名测试（Boston Naming Test）得分<22分（0分）与高风险相关，提示认知功能与微血管损伤的潜在关联。

3.2 模型性能

CDBRS-3在测试集表现优异（mAUC 0.73，95%CI 0.71-0.75；c-index 0.72），显著优于传统POM模型（c-index 0.54-0.65）。外部验证中，尽管ROSMAP队列平均年龄更高（81.95±6.6岁），模型仍保持稳定性能（mAUC 0.70）。CDBRS-2的敏感性和特异性分别达0.73和0.70，适用于快速筛查。

3.3 流行病学验证

多因素分析证实：肥胖（OR_微梗死=1.25，OR_梗死=1.53）、重度动脉硬化（OR_微出血=3.43，OR_微梗死=4.16）与结局强相关，与模型特征权重高度一致。

4 讨论

CDBRS的创新性体现在：

1）首次实现无影像学依赖的脑血管亚临床病变预测；

2）通过AutoScore框架将机器学习转化为临床可解释的评分表；

3）揭示BMI的U型风险曲线（低体重OR_微出血=2.80，肥胖OR_梗死=1.53），为体重管理提供新依据。

局限性包括样本以高教育水平白人为主，未来需在多元人群中验证。研究者建议整合生物标志物（如血GFAP）和神经影像（7T-MRI）以提升预测精度，并开发电子健康记录插件推动临床转化。

5 展望

该模型为实施"时间窗"干预策略提供量化工具——对CDBRS高分个体可优化降压方案（如避免SBP<120mmHg）、加强血脂管理，或调整抗凝治疗强度。团队计划开展前瞻性试验验证其对卒中/痴呆的预测价值，并探索APOE ε4基因型的修饰效应。