基于机器学习与多模态数据的痴呆研究趋势、生物标志物及预测目标分析

《Brain and Behavior》：Machine Learning in Dementia Research: Trends, Biomarkers, Prediction Goals, and Data Modalities

　　

**目的**：机器学习（machine learning, ML）在痴呆研究中越来越多地被应用于诊断、早期检测、预后、生物标志物表征及疾病分型。本研究旨在对ML在痴呆领域的应用进行文献计量学与主题学综述，重点强调生物学机制、预测目标、数据模态、合作网络及新兴计算方法。

**方法**：对Web of Science核心合集进行标题字段检索，共识别出3,833条与ML和痴呆相关的记录。将发表时间限制为2000年及以后，并排除非分析性文献类型后，共纳入3,479条记录进行文献计量分析。其中3,223篇原始研究论文用于主题分析。评估了发表趋势、作者与机构合作、关键词、生物标志物主题、ML目标、数据模态、方法、共享研究资源及大语言模型（large language model, LLM）应用。

**结果**：ML相关痴呆研究随时间显著增长。诊断分类是最主要的ML目标（55.0%），其次是早期检测或筛查（10.3%）、进展或认知衰退预测（6.8%）及生物标志物或特征发现（4.7%）。结构磁共振成像是最常识别的模态（42.6%），其次是临床或认知数据（22.4%）、正电子发射断层扫描/单光子发射计算机断层扫描（positron emission tomography/single photon emission computerized tomography, PET/SPECT）（10.3%）及遗传或基因组数据（10.2%）。突出的生物学主题包括海马体测量、淀粉样蛋白/Aβ、脑电图、tau/p-tau及脑脊液生物标志物。机构网络显示出明显的国际合作集群，且频繁使用共享基础设施。基于Transformer及LLM的方法近年来逐渐出现。

**结论**：痴呆领域的ML研究已从单纯的诊断性神经影像扩展到多模态、生物标志物、预后及语言模型应用，尽管诊断分类和结构成像仍占主导地位。未来需重视生物学整合、纵向验证及临床转化。

**基于机器学习与多模态数据的痴呆研究趋势、生物标志物及预测目标分析——论文解读**

**一、研究背景与问题提出**

痴呆是一种以记忆、认知、行为及日常生活能力进行性恶化为特征的神经退行性疾病，全球约5500万人受其影响。随着人口老龄化进程加快，预计到2050年痴呆患病人数将大幅上升，其中低收入和中等收入国家的增长尤为迅速。阿尔茨海默病（Alzheimer's disease, AD）是痴呆最常见的病因，约占全部病例的三分之二。痴呆不仅给患者、家庭和照护者带来沉重的情感与经济负担，也对医疗卫生系统构成巨大压力，全球年度经济负担已超过一万亿美元。在此背景下，早期检测、疾病机制理解、风险分层及防治策略的开发成为亟待解决的科学问题。

机器学习（machine learning, ML）作为人工智能（artificial intelligence, AI）的核心分支，能够整合结构及功能神经影像、遗传与基因组数据、认知评估、电子临床信息及生物标志物等多维异构数据，在痴呆研究中展现出广阔的应用前景。ML模型已被用于诊断分类、早期检测、轻度认知障碍（mild cognitive impairment, MCI）向痴呆进展的预测、认知衰退预测、疾病亚型划分、生物标志物识别、图像分割及个体化风险评估等多项任务。然而，既往文献计量学研究对ML在痴呆领域的应用分析多局限于关键词共现和发表趋势，对生物学主题、预测目标及数据模态的系统性刻画仍显不足。此外，近年来兴起的大语言模型（large language model, LLM）和基于Transformer的方法能够捕捉语义上下文关系，而传统关键词共现方法难以反映此类深层关联。为此，本研究旨在提供ML在痴呆应用中更新的文献计量学与主题学评估，涵盖生物标志物、机构合作、数据模态、新兴语言模型应用、预测目标及发表趋势等多维度内容。

**二、研究方法与技术路径**

研究人员以Web of Science（WoS）核心合集为数据源进行标题字段检索，检索时间截至2026年9月1日，共识别3,833条与ML和痴呆相关的记录。排除2000年以前发表及非分析性文献类型后，3,479条记录纳入文献计量分析，其中3,223篇原始研究论文进一步用于主题分析。研究人员采用预先定义且经专家验证的规则化分类体系，对生物学机制、生物标志物、ML预测目标、数据模态及计算方法进行主题归类。分类体系在正式分析前由两位痴呆研究和ML领域专家进行内容效度检验，并在120篇原始研究论文的分层样本中通过百分比一致性和Cohen κ系数评估规则化分类与人工分类的一致性。文献计量分析方面，研究人员使用可视化相似性查看器（VOSviewer）构建合著网络、关键词共现网络及机构合作网络，并计算年度发表增长率。此外，通过交叉表格分析ML目标与数据模态、ML方法与预测目标、ML方法与数据模态之间的关联，并对Transformer及LLM类方法的出现趋势进行单独识别。

**三、主要研究结果**

**3.1 发表产出与研究特征**

ML相关痴呆研究产出随时间呈现显著增长。年度合格发表数从2018年以前不足100篇增至2020年的204篇、2022年的420篇、2024年的493篇，2025年达到694篇，为完整发表年份中最高。2026年截至9月1日已有471篇合格发表，视为不完整年份。这一增长趋势表明ML在痴呆研究中的应用正处于快速扩张阶段。

**3.2 生物学机制与生物标志物主题**

在3,223篇原始研究论文中，淀粉样蛋白病理是最常识别的生物学机制（n=290，9.0%），其次为tau病理（n=184，5.7%）、神经炎症/免疫机制（n=95，2.9%）、血管/脑血管机制（n=78，2.4%）、氧化/线粒体机制（n=52，1.6%）及突触功能障碍（n=45，1.4%）。机制类研究主要集中在2021至2026年。生物标志物分析显示，海马体测量（n=318，9.9%）、淀粉样蛋白/Aβ（n=290，9.0%）、脑电图来源标记（n=225，7.0%）、tau/p-tau（n=184，5.7%）及脑脊液（cerebrospinal fluid, CSF）生物标志物（n=145，4.5%）是使用最频繁的类别。血液/血浆生物标志物、神经丝轻链及胶质纤维酸性蛋白（Glial Fibrillary Acidic Protein, GFAP）主要出现在最近期的发表中。

**3.3 ML预测与研究目标**

诊断分类仍是最主要的ML目标，占1,774项研究（55.0%）。其后依次为早期检测或筛查（n=332，10.3%）、进展或认知衰退预后（n=218，6.8%）、生物标志物或特征发现（n=151，4.7%）及分割或图像量化（n=113，3.5%）。其他目标包括痴呆发病风险预测（n=94，2.9%）、治疗或药物反应应用（n=89，2.8%）、疾病亚型或表型划分（n=88，2.7%）及MCI转化预测（n=83，2.6%）。这表明ML在痴呆研究中的应用正从以诊断分类为主向预后、异质性、生物标志物发现及纵向预测等方向拓展。

**3.4 数据模态与计算方法**

结构MRI是最常识别的数据模态（n=1,374，42.6%），其次是临床或认知评估（n=722，22.4%）、PET/SPECT（n=333，10.3%）及遗传/基因组数据（n=329，10.2%）。EEG/MEG占7.0%，CSF/液体生物标志物、功能MRI、语音/音频、自然语言处理/文本数据、血液/血浆标志物、可穿戴/传感器数据及其他组学各占较小但逐渐增大的比例。31.4%的研究采用了多模态方法。计算方法方面，卷积神经网络（convolutional neural network, CNN）最为常用（n=838，26.0%），其后依次为支持向量机（n=530，16.4%）、随机森林（n=417，12.9%）、Transformer/LLM相关方法（n=327，10.1%）、迁移学习（n=267，8.3%）及梯度提升/极限梯度提升（n=266，8.3%）。交叉分析显示，诊断分类与结构MRI和其他神经影像数据密切相关，而进展预测、生物标志物发现及疾病亚型研究更多使用临床、遗传、生物标志物及多模态数据。

**3.5 机构合作与共享研究基础设施**

机构合作网络分析识别出九个合作集群，共587个机构。最大集群包含156个机构，以中国/亚洲为主导的国际计算与影像网络；其他主要集群分别代表英国—欧洲神经退行性疾病合作、南亚—中东—韩国计算合作及美国学术医疗中心合作。英国—欧洲集群与美国集群之间的跨集群合作最强，共有135篇关联发表，其次为中国/亚洲集群与美国集群的121篇。共享数据资源方面，阿尔茨海默病神经影像倡议（Alzheimer's Disease Neuroimaging Initiative, ADNI）在771篇发表中被识别（占文献计量语料库的22.2%），远高于开放存取影像研究系列（Open Access Series of Imaging Studies, OASIS）（n=197，5.7%）、英国生物样本库（UK Biobank）（n=33）、澳大利亚影像、生物标志物与生活方式研究（Australian Imaging, Biomarkers and Lifestyle Study, AIBL）（n=32）及国家阿尔茨海默病协调中心（National Alzheimer's Coordinating Center, NACC）（n=26）。

**3.6 关键词结构与新兴LLM研究**

关键词分析识别出五大主题域：临床风险与生物标志物；深度学习与神经影像；MCI转化与进展；诊断标准与分期；额颞叶痴呆/鉴别诊断。生物标志物相关术语（包括淀粉样蛋白、tau、CSF生物标志物、海马萎缩、遗传学及FDG-PET）分散出现在多个集群中。Transformer系列及LLM方法主要出现在近年：Transformer相关发表从2020年的2篇增至2025年的92篇，明确标注LLM/生成式AI的发表从2022年的1篇增至2025年的29篇。

**四、讨论与结论**

本研究的讨论部分指出，痴呆仍是一个重大的公共卫生挑战。ML研究在痴呆领域自2020年以来快速扩张，应用范围已超出传统的诊断分类，扩展至早期检测、预后、生物标志物发现、疾病亚型划分、治疗相关研究及数字监测。研究发现淀粉样蛋白和tau病理是最突出的疾病机制主题，而海马体测量、淀粉样蛋白/Aβ、EEG来源信号、tau/p-tau及CSF生物标志物被频繁使用，表明ML研究正逐渐超越纯临床分类，向表征痴呆潜在生物学过程的方向发展。然而，诊断分类仍占主导地位，结构MRI仍是最常用的数据源，反映神经影像与ML在痴呆研究中的长期紧密关系。约三分之一的研究采用了多模态方法。在计算方法方面，CNN最为常用，但LLM和Transformer方法近年来快速涌现，代表痴呆ML研究向临床文本、上下文敏感分析、语言及多模态信息的方向延伸。机构合作网络显示大规模的全球合作共同体，且这些网络与大型共享痴呆研究基础设施密切相关。研究局限性包括仅依赖WoS数据库、标题字段检索可能遗漏相关文献、主题分类基于文献计量元数据及自动化规则方法、文献计量关联不能确定模型质量或临床有效性。未来研究应超越横断面诊断分类，向纵向预测、生物学表征、疾病亚型划分、多模态整合及临床可操作的决策支持方向发展，同时重视可解释性和可复现性。

研究结论指出，痴呆领域的ML研究已快速扩张并日益呈现跨学科特征。尽管诊断分类和结构神经影像仍占主导地位，该领域正朝着多模态数据整合、生物学标志物、预后建模、协作研究基础设施及新兴Transformer和LLM应用的方向演变。这些发展为增进生物学理解、改善预测能力及最终优化痴呆临床管理提供了重要机遇。