基于单模态T1加权MRI机器学习模型鉴别帕金森病与多系统萎缩及其临床转化研究

《npj Digital Medicine》：Automated differentiation for parkinsonism using clinical structural MRI: A multicenter study

　　

摘要

多模态研究级磁共振成像（MRI）扫描在区分帕金森病（PD）与多发系统萎缩（MSA）方面显示出潜力，但临床转化受到成本、采集时间和处理负担的限制。在此，我们开发了一种基于T1加权结构MRI的机器学习模型，用于区分帕金森综合征，并将其推广至常规各向异性二维临床MRI。我们采用包含969名参与者的多中心队列，运用分层发现–验证–转化框架。多模态基准模型达到了0.98的受试者工作特征曲线下面积（AUROC），而我们精简的单模态T1-Top20模型在多分类判别（健康对照、PD、MSA）中达到了0.93的AUROC。在PD与MSA的区分中，冻结的T1-Top20模型在外部研究级队列（n?=?227）中达到0.88的汇总AUROC，并在25名从特发性快速眼动睡眠行为障碍（iRBD）表型转化为PD的患者中识别出19名。重要的是，泛化模型在临床MRI队列（二维T1，n?=?303）中达到0.84的汇总AUROC，支持了其临床转化的潜力。