《Frontiers in Neuroscience》：Machine learning methods evaluation for identification of cognitive phenotypes in multiple sclerosis and their MRI correlates
编辑推荐：
背景：认知障碍（cognitive impairment, CI）在多发性硬化（multiple sclerosis, MS）患者中十分常见，但传统残疾量表对其捕捉能力有限。尽管神经心理学评估与磁共振成像（magnetic resonance imaging,
背景：认知障碍（cognitive impairment, CI）在多发性硬化（multiple sclerosis, MS）患者中十分常见，但传统残疾量表对其捕捉能力有限。尽管神经心理学评估与磁共振成像（magnetic resonance imaging, MRI）常分别使用，尚缺乏将认知表现与结构性脑改变整合的简单临床适用框架，以识别认知下降高风险患者。将神经心理学测验与基于MRI的萎缩指标整合，有望产生具有差异化脑萎缩模式的临床实用认知表型。方法：研究人员收集79例MS患者（PwMS）的全面神经心理学评估与脑MRI数据。神经心理学变量经基于方差与四分位离散系数（quartile coefficient of dispersion, QCD）过滤的特征选择，继以Pearson相关与互信息（mutual information, MI）分析生成精简特征集，作为无监督聚类Partitioning Around Medoids（PAM）算法输入以识别认知表型。组间脑萎缩程度差异采用单因素ANOVA或Kruskal–Wallis检验评估，事后分析依分布与方差选用配对t检验、Welch's t检验或Wilcoxon检验并行Holm-Bonferroni校正。结果：基于方差与MI的特征选择识别出用于聚类的神经心理学特征，PAM算法据此划分出三组PwMS，其在临床特征、脑萎缩程度及认知表型上各异，范围从认知保留至全面认知障碍。结论：三种具差异化脑萎缩模式的认知表型将神经心理学测验与MRI指标整合入临床适用框架，有望弥合PwMS中结构影像发现与日常认知评估间的鸿沟，改善筛查、早检、监测并为康复规划提供信息。
研究背景与立题依据
多发性硬化（multiple sclerosis, MS）是一种慢性免疫介导的中枢神经系统疾病，以炎症、脱髓鞘与神经退行性过程并存导致渐进性残疾为特征。认知障碍（cognitive impairment, CI）早期即现，影响生活质量与康复预后，却未被扩展残疾状态量表（Expanded Disability Status Scale, EDSS）等传统躯体残疾度量充分捕获。MRI虽为MS诊断与监测金标准，可量化病灶负荷、皮质与皮质下体积及脑室扩大，但单一模态无法解释患者间认知变异性。目前缺乏将神经心理学测验与结构萎缩指标整合、可临床落地的框架，以识别认知下降风险升高者并桥接影像与日常认知评估。为此，研究人员在《Frontiers in Neuroscience》报道的研究中，采用特征降维联合无监督机器学习，界定MS认知表型及其差异化脑萎缩相关模式。
主要技术方法概括
研究为单中心横断面设计，最终分析队列为57例具备完整神经心理与影像数据的MS患者（排除原发性进展型MS及数据不全者，原招募79例）。神经心理学侧初始纳入22个变量（来自符号数字模态测验 SDMT、颜色轨迹测验 CTT、加州言语学习测验 CVLT、Benton视觉保持测验 BVRT、言语流畅性测验 VFT、Victoria Stroop测验 VST），经方差阈值（>80）与QCD阈值（>0.2）初筛，再经Pearson相关（r<0.7去冗余）与互信息（MI<0.2剔除）生成四套精简特征集；MRI侧采用1.5T GE SIGNA Artist采集T1-MP-RAGE与T2-FLAIR，FreeSurfer v7.4.1分割脑结构并以估计总颅内体积（eTIV）归一化，Lesion Segmentation Toolbox量化白质病灶。聚类阶段对PAM、层次聚类（HCM）、k-means比较，以肘部法、轮廓系数与1000次bootstrap（Jaccard指数）选优，最终锁定VarFS_MI特征集下PAM三簇解（Jaccard=0.86）。组间比较用ANOVA/Kruskal–Wallis加Holm-Bonferroni校正事后检验。
研究结果
3.1 特征选择
方差分布显示CTT干扰指数方差低至0.2240、CTT1高达2079.5457，以80为界保留9项；QCD以0.2为界亦留9项。相关分析再剔3项（Var与QCD集各删），MI<0.2下VarFS删5项、QCDFS删5项，得VarFS_MI等四集。
3.2 聚类分析
肘部法与轮廓系数在20次迭代中定k，bootstrap稳定性表明PAM于VarFS_MI最优，三簇比例16:26:15（Group1/2/3）。Group1年龄偏大（47.44±10.28岁）、病程长（16.19±7.88年）、EDSS中位3.50、MoCA 23.69±4.64、Beck抑郁量表（BDI）13.87±12.32；Group2最轻（EDSS 2.00、MoCA 27.85）；Group3居中（MoCA 28.75）。Group1受损认知域数2.12，显著多于Group2（0.42）与Group3（0.53）。
3.3 识别组的神经心理学特征
Group1在SDMT（30.00±6.88 vs Group2 49.54）、CTT2耗时（109.57±22.20 s vs ~70 s）、CVLT短/长延迟自由回忆（SDFR 8.50、LDFR 8.23）、侵入错误（IE 6.32）、辨别指数（DI 89.78）最差，BVRT正确数（NCR 6.06）最低而错误（NE 5.87）最高；VFT音位/动词/低难/高难/情绪流畅性均最低，唯Group3在VFT各分项最高（如PF 39.20、LT 75.13）。VST II耗时Group1最长。整体呈Group1全面受损、Group2保留、Group3以言语检索与执行灵活见长的谱带。
3.4 识别组的MRI脑萎缩指标
Group1第三脑室体积（0.00135）、脑脊液体积（0.00103）、左侧脉络丛（0.00048）、白质低信号（0.00600）显著高于Group2，左/右丘脑体积（0.00392/0.00386）显著低于Group2，右腹侧间脑（VentralDC）右侧亦小于Group2；小脑白质左/右体积Group1偏小但部分达显著。Group2萎缩最轻、丘脑最大；Group3介于其间。无胼胝体前/后、半球灰白质体积组间显著差异。
讨论部分总结
研究人员指出，融合方差-QCD-相关-MI的筛选配合PAM，可凭有限神经心理变量（CVLT总回忆、VFT语义流畅、CTT1、VST III）重现全测验与MRI差异，证实表型临床效度。三组构成“保留—中间—全面受损”连续体：Group1对应全面认知障碍表型，伴更高EDSS、多域缺陷及丘脑/脑室/白质病变重萎缩，符合丘脑在信息加工减速中的核心作用；Group2为认知保留型，运动残障轻、丘脑体积大、病灶少；Group3虽EDSS居中，但言语知识提取与执行效率突出，可能反映终身认知资源储备（cognitive reserve）缓冲了神经病理表达，其萎缩程度居中，提示需影像监测以防漏判进展。临床意义上，Group1应尽早认知康复与日常功能支持，Group2/3行保护因子强化与简式筛查，Group3加行萎缩随访。局限性含单中心、横断面、n=57、未细析抑郁疲劳修饰、未标准化记分范围、FreeSurfer未手工精修。
结论部分翻译
特征降维方法的使用使得一套简洁、适用于常规临床实践的认知测验集得以确立，从而在无需庞大神经心理电池的前提下 facilit 识别认知障碍风险升高患者。无监督机器学习算法界定了从明确缺陷到相对保留的数种认知功能剖面，其与神经退行过程严重度相关。研究人员识别出一组MRI结构改变与认知障碍关系似非直截的患者，或反映认知储备及其他修饰MS临床表征的因素，值得深究。鉴于本研究横断面与探索性质，所识别剖面应视为假设生成而非既定临床表型；然其为MS中认知评估与结构MRI发现整合提供了潜在有用框架。未来需多中心、大样本、外部验证与纵向随访以确定其稳定性、泛化性与预后意义。常规认知评估仍是综合患者评价的重要组分，可助识别需密监与进一步神经心理评估者。
论文发表于《Frontiers in Neuroscience》。
