《Frontiers in Aging Neuroscience》：Two serial MoCA assessments may support biomarker-sparing triage between Parkinson’s disease/Lewy body dementia and frontotemporal dementia: a progressive inclusion analysis of 1,129 participants
编辑推荐：
可靠地区分帕金森病/路易体痴呆（PD/LBD）与额颞叶痴呆（FTD）会影响治疗策略和临床试验资格，然而确诊性生物标志物检测仍然昂贵且普及不均。常规认知轨迹能否支持检测优先级排序尚未被系统量化。研究人员对1,129名国家阿尔茨海默病协调中心（National A
可靠地区分帕金森病/路易体痴呆（PD/LBD）与额颞叶痴呆（FTD）会影响治疗策略和临床试验资格，然而确诊性生物标志物检测仍然昂贵且普及不均。常规认知轨迹能否支持检测优先级排序尚未被系统量化。研究人员对1,129名国家阿尔茨海默病协调中心（National Alzheimer’s Coordinating Center，NACC）参与者进行了渐进纳入分析，其中包括PD/LBD（n = 385）和FTD（n = 744），以确定诊断分离所需的最少序列蒙特利尔认知评估（MoCA）次数。随机森林分类器使用了前k次时间顺序评估（k = 2至k = 8）的7个MoCA子域斜率，并进行了五折分层交叉验证和500次迭代自举置信区间。在主要的全队列分析中，两次评估得到AUC = 0.785（95% CI 0.757–0.814；敏感性 = 0.922；特异性 = 0.525）。间隔限制在6–12个月的亚组得到AUC = 0.837（95% CI 0.787–0.885），在间接比较中接近已发表生物标志物组合范围的较低边缘，尽管其置信下界仍低于0.85。在年龄匹配后（AUC = 0.794，95% CI 0.761–0.826；残余年龄差 = ?0.3岁）和限制年龄55–75岁（AUC = 0.777，95% CI 0.741–0.814）后，判别能力仍然存在。仅用年龄的判别能力（AUC = 0.721，95% CI 0.691–0.751）低于MoCA斜率，而斜率加年龄的AUC = 0.867（95% CI 0.845–0.888）。四次评估的表现AUC = 0.831（95% CI 0.791–0.873），与明显的样本量限制平台一致，因为合格样本N从k = 4时的391收缩到k = 6时的98。这些发现支持将序列MoCA轨迹分析作为优先进行确诊性诊断检测的探索性工具，并量化了年龄敏感性、亚型敏感性和工作点表现。
这项研究发表于《Frontiers in Aging Neuroscience》，其核心问题是帕金森病/路易体痴呆（PD/LBD）与额颞叶痴呆（FTD）的临床鉴别。这两种疾病在行为、认知和执行功能等方面表现重叠，但病理机制、药物治疗和预后轨迹却明显不同。误诊可能会导致不恰当的治疗，例如胆碱酯酶抑制剂对PD/LBD有效，但对行为变异型FTD缺乏证据；多巴胺能治疗主要针对PD/LBD的运动症状，对大多数FTD无意义。近年来的生物标志物如脑脊液神经丝轻链、淀粉样蛋白/tau比值、α-突触核蛋白种子扩增检测等，在专门研究队列中区分突触核蛋白病与tau蛋白病时AUC可达到0.85–0.95，但腰椎穿刺、PET成像或参考实验室检测的成本和可及性限制了其在全球推广，尤其是在中低收入国家。因此，利用常规收集的临床数据来建立“生物标志物节省”的分诊工具，对需要优先进行确认性检测的患者进行排序，具有重要的公共卫生意义。
研究人员采用渐进纳入分析设计，利用美国国家阿尔茨海默病协调中心（NACC）公开的去标识化数据，纳入1,129名PD/LBD（n = 385）或FTD（n = 744）参与者。对每个参与者，从首次评估开始按时间顺序取前k次蒙特利尔认知评估（MoCA），k从2到8。每个MoCA的7个子域（注意力、视空间/执行、定向、语言、延迟回忆、抽象、命名）转换为最大可能分数的百分比，并计算随时间的斜率；k = 2时采用两点差分，k ≥ 3时采用普通最小二乘回归。研究者使用随机森林分类器，设置300棵树和类别平衡，通过五折分层交叉验证评估性能，并用500次自举抽样计算95%置信区间。还进行了间隔分层分析、亚组分析（行为变异型FTD vs. PD/LBD，原发性进行性失语 vs. PD/LBD）、时间-达到预测概率阈值分析，以及年龄匹配、年龄限制、仅年龄、斜率加年龄和仅表型FTD等敏感性分析。所有分析基于Python 3.10和scikit-learn 1.3.0。
### 渐进纳入分析表现
主要全队列分析中，仅用两次评估的MoCA子域斜率即可达到AUC = 0.785（95% CI 0.757–0.814），敏感性为0.922，特异性为0.525。三次评估后AUC升至0.812，四次评估为0.831（95% CI 0.791–0.873）。此后随着合格样本量从k = 4的391人锐减至k = 6的98人，置信区间明显增宽，出现由样本量限制所致的平台期，而非真正的信号饱和。敏感性分析显示，年龄匹配后残差年龄差为?0.3岁，AUC仍达0.794（95% CI 0.761–0.826）；年龄限制在55–75岁时AUC为0.777；仅用年龄的分类AUC为0.721，明显低于MoCA斜率；而斜率加年龄的联合模型AUC升至0.867（95% CI 0.845–0.888）。这说明MoCA轨迹信号不能归约为年龄效应，但年龄本身也能提供附加诊断信息。
### 间隔分析
研究人员按两次评估之间的时间间隔分层，发现间隔6–12个月和12–18个月的亚组AUC均为0.837（95% CI分别为0.787–0.885和0.800–0.872），而间隔超过18个月的亚组AUC降至0.731（95% CI 0.654–0.803）。这一结果提示，6–12个月的标准随访间隔即可捕获有效分诊信号，无需快速重复评估，且过长的间隔可能因存活偏倚和差异性失访而降低判别力。
### 特征重要性动态
通过平均杂质减少量提取特征重要性，研究者发现注意力和视空间/执行斜率在k = 2时共同主导；从k = 3到k = 5，注意力成为单一最重要特征；而语言斜率随评估次数增加而逐渐上升，到k = 6时位列第二。这种时间性层级变化仅是产生假说的关联，而非机制证据，因为晚期估计受到同一存活偏倚子集影响，且MoCA语言子域只有3分，分辨力有限。
### 达到预测概率阈值的时间
在有至少6次序列评估的参与者中（n = 98），70.4%在第六次访问前达到预测概率超过0.90，中位所需评估次数为5次；其余29人未在6次内达到该阈值。由于该探索性分析使用全样本模型而非折外预测，概率未校准，因此70.4%不应视为校准后置信度，但该指标可用于临床工作流：那些仅凭认知轨迹无法达到高概率阈值的患者，正是应优先转诊进行生物标志物或专科确认的候选者。
讨论部分强调，两次间隔6–12个月的MoCA评估在回顾性队列中达到AUC = 0.837，这与已发表生物标志物组合的间接比较中处于低边缘，且其置信下界低于0.85，故应视为分诊基准而非等效于生物标志物的准确性。该方法无需侵入性采样或参考实验室，成本几乎为零，尤其适合生物标志物资源匮乏的地区。研究同时指出重要局限：NACC患者来自阿尔茨海默病研究中心，教育程度和欧洲血统比例偏高；PD/LBD组无法按互斥的PD、帕金森病痴呆和路易体痴呆亚组分解；FTD组中68.7%缺乏明确的FTLDSUBT表型标注；高阶k值样本量收缩导致置信区间过宽；渐进纳入设计存在存活偏倚。结论是，序列MoCA轨迹分析可作为一种探索性工具，用于对确诊性检测进行优先级排序，但不能替代临床或生物标志物确认。未来需要在独立队列中外部验证，并进行前瞻性评估。
