摘要
研究目的
阿尔茨海默病是最常见的神经退行性疾病，而其前驱阶段的识别仍面临挑战。脉络丛在阿尔茨海默病的病理过程中起着关键作用。本研究旨在构建脉络丛放射组学模型，用以区分阿尔茨海默病患者与轻度认知障碍患者，并预测轻度认知障碍发展为阿尔茨海默病的风险。
研究方法
通过阿尔茨海默病神经影像学计划提供的磁共振成像数据以及本地医疗机构的数据，提取了脉络丛的放射组学特征。研究采用了12种经典的机器学习算法来构建模型。此外，还分析了脉络丛放射组学特征与简易精神状态检查评分及脑脊液生物标志物之间的相关性。
研究结果
< />p?p?结论
基于脉络丛放射组学特征的机器学习模型能够有效区分阿尔茨海默病患者与轻度认知障碍患者，同时可预测轻度认知障碍发展为阿尔茨海默病的风险，为揭示脉络丛在阿尔茨海默病病理机制中的作用提供了新的视角。
利益冲突声明
作者声明不存在任何利益冲突。
数据可用性说明
本研究所分析的数据可在阿尔茨海默病神经影像学计划网站（http://adni.loni.usc.edu）上获取。本研究使用的来自陆军医学大学大坪医院的匿名数据，可应相应作者的合理请求提供。
